Блог

Главная - Вопросы по программированию - Создайте совершенно новый фрейм данных, используя значения и диапазоны дат в другом фрейме данных

Создайте совершенно новый фрейм данных, используя значения и диапазоны дат в другом фрейме данных

#python-3.x #pandas #dataframe #datetime #indexing

Вопрос:

У меня есть фрейм данных, состоящий из повторяющихся расходов с датой начала (дата покупки), датой окончания (дата окончания), идентификатором и ценой:

        id    price purchase_date date_terminated
0   AA11      100    2019-03-29             NaT
1   AA12  10750.0    2020-02-28             NaT
2   AA13   2500.0    2020-06-01             NaT
3   BB11    600.0    2020-06-01      2021-08-01
4   BB12    600.0    2020-06-01      2021-06-17
5   BB13   6692.0    2020-07-08      2021-04-01
6   CC11   6692.0    2020-08-12             NaT
7   CC12   6692.0    2020-08-12             NaT
8   CC13    600.0    2020-09-01      2021-04-01
9   DD11    600.0    2020-09-01             NaT

Если date_terminated==NaT, это означает, что расходы все еще повторяются.

У меня также есть список дат, начиная с даты начала моих самых ранних текущих расходов, вплоть до любой даты, которую выберет пользователь:

 [datetime.datetime(2019, 3, 15, 0, 0),
 datetime.datetime(2019, 4, 15, 0, 0),
                  .
                  .
                  . 
                  .
                  .
 datetime.datetime(2021, 6, 15, 0, 0),
 datetime.datetime(2021, 7, 15, 0, 0),
 datetime.datetime(2021, 8, 15, 0, 0)]

Я хочу создать фрейм данных с индексом в виде списка дат, столбцами в качестве идентификаторов расходов и распределить свои расходы по всему этому df, используя даты покупок и даты в качестве ориентиров.

Конечный результат должен выглядеть примерно так::

              AA11     AA12  AA13  BB11 BB12 BB13 CC11 CC12 CC13 DD11
2019-03-15    NaN      NaN   NaN   NaN  NaN  NaN  NaN  NaN  NaN  NaN 
2019-04-15    100      NaN   NaN   NaN  NaN  NaN  NaN  NaN  NaN  NaN
2019-05-15    100      NaN   NaN   NaN  NaN  NaN  NaN  NaN  NaN  NaN
                               .
                               .
                               .
                               .     
2021-06-15    100    10750  2500   600  600  NaN  6692 6692 NaN  600
2021-07-15    100    10750  2500   600  NaN  NaN  6692 6692 NaN  600
2021-08-15    100    10750  2500   NaN  NaN  NaN  6692 6692 NaN  600

Ответ №1:

Попробуй:

 import datetime

df["purchase_date"] = pd.to_datetime(df["purchase_date"])
df["date_terminated"] = pd.to_datetime(df["date_terminated"])

lst = [
    datetime.datetime(2019, 3, 15, 0, 0),
    datetime.datetime(2019, 4, 15, 0, 0),
    datetime.datetime(2021, 6, 15, 0, 0),
    datetime.datetime(2021, 7, 15, 0, 0),
    datetime.datetime(2021, 8, 15, 0, 0),
]

df_tmp = pd.DataFrame({"dates": lst})

mx = df_tmp.dates.max()
df["purchase_date"] = df.apply(
    lambda x: pd.date_range(
        x["purchase_date"],
        x["date_terminated"] if pd.notna(x["date_terminated"]) else mx,
    ),
    axis=1,
)
cols = df.id.unique()
df = df.explode("purchase_date")
df = df[df.purchase_date.isin(df_tmp.dates)]
print(
    df.pivot(index="purchase_date", columns="id", values="price")
    .reindex(df_tmp["dates"])
    .reindex(cols, axis=1)
)

С принтами:

 id           AA11     AA12    AA13   BB11   BB12  BB13    CC11    CC12  CC13   DD11
dates                                                                              
2019-03-15    NaN      NaN     NaN    NaN    NaN   NaN     NaN     NaN   NaN    NaN
2019-04-15  100.0      NaN     NaN    NaN    NaN   NaN     NaN     NaN   NaN    NaN
2021-06-15  100.0  10750.0  2500.0  600.0  600.0   NaN  6692.0  6692.0   NaN  600.0
2021-07-15  100.0  10750.0  2500.0  600.0    NaN   NaN  6692.0  6692.0   NaN  600.0
2021-08-15  100.0  10750.0  2500.0    NaN    NaN   NaN  6692.0  6692.0   NaN  600.0
Метки: ,