Question

晚上好

我有以下数据框：

print(dd)
dt_op      quantity   product_code
20/01/18      1            613
21/01/18      8            611
21/01/18      1            613 
...

我正尝试获得滞后的Sales，但是以下代码也不也通过product_code计算它们：

dd["Lagged_Sales"] = [dd.loc[dd['dt_op'].between(d - pd.Timedelta(days = 15), d), 'quantity'].sum() \
                for d in dd['dt_op']]

我想将dd [“ Lagged_Sales”]定义为过去15天售出的“数量”的总和，用于**每种不同的产品；

最终，对于“ dt_op” 和“ product_code” 中的i。

print（final_dd）

dt_op      quantity   product_code     Lagged Sales
20/01/18      1            613               1
21/01/18      8            611               8
21/01/18      1            613               2
...

谢谢

Answer 1

IIUC，与pd.Grouper和“ product_code”分组：

df.dt_op = pd.to_datetime(df.dt_op, errors='coerce')
df.groupby([pd.Grouper(key='dt_op', freq='15D'), 'product_code']).quantity.sum()

dt_op       product_code
2018-01-20  611             8
            613             2
Name: quantity, dtype: int64

Answer 2

以rolling的频率使用15d：

df.set_index('dt_op').groupby('product_code').rolling('15d').quantity.sum()

product_code  dt_op
611           2018-01-21    8.0
613           2018-01-20    1.0
              2018-01-21    2.0
Name: quantity, dtype: float64

每种产品的销售滞后

2 个答案: