Question

跟随行的“链”并从CSV文件计算连续月份。

目前我正在阅读一个包含5列感兴趣的CSV文件（基于保险单）：

CONTRACT_ID   START-DATE           END-DATE        CANCEL_FLAG    OLD_CON_ID
123456        2015-05-30           2016-05-30       0             8788
123457        2014-03-20           2015-03-20       0             12000
123458        2009-12-20           2010-12-20       0             NaN
...

我想计算合约链的连续月数。

示例：从链的“前端”（最旧的合同）和合同的最后一个START-DATE（最新的合同）中的合同中取END-DATE。最旧的合同由链中取消的合同之前的或没有OLD_CON_ID值的合同定义。

每行代表一份合约，prev_Con_ID指向先前的合约ID。期望的输出是合同链回到差距的几个月（即客户在一段时间内没有合同）。如果该列中没有任何内容那么这就是该链中的第一个合同。

CANCEL_FLAG也应该削减链条，因为值为1表示合同被取消。

当前代码通过编辑数据框来计算每年的有效合同数量：

df_contract = df_contract[ (df_contract['START_DATE'] <= pd.to_datetime('2015-05-31')) & (df_contract['END_DATE'] >= pd.to_datetime('2015-05-31')) & (df_contract['CANCEL_FLAG'] == 0 ) ] df_contract = df_contract[df_contract['CANCEL_FLAG'] == 0 ] activecount = df_contract.count() print activecount['CONTRACT_ID']

以下是我创建数据框并调整日期时间值的前6行代码：

file_name = 'EXAMPLENAME.csv' df = pd.read_csv(file_name) df_contract = pd.read_csv(file_name) df_CUSTOMERS = pd.read_csv(file_name) df_contract['START_DATE'] = pd.to_datetime(df_contract['START_DATE']) df_contract['END_DATE'] = pd.to_datetime(df_contract['END_DATE'])

理想输出类似于：

FIRST_CONTRACT_ID CHAIN_LENGTH CON_MONTHS 1234567 5 60 1500001 1 4 800 10 180

然后将绘制这些数据点。

EDIT2：CSV文件已更改，现在可能更容易了。问题已更新。

Answer 1

不确定我是否完全按照您的要求行事，但做了类似的工作吗？：

df_contract['TOTAL_YEARS'] = (df_contract['END_DATE'] - df_contract['START_DATE']
                             )/np.timedelta64(1,'Y')

df_contract['TOTAL_YEARS'][(df['CANCEL_FLAG'] == 1) && (df['TOTAL_YEARS'] > 1)] = 1

Answer 2

经过大量的反复试验后我才开始工作！

这可以找到链中第一个和最后一个合约之间的时差和找到链的长度。

到目前为止，这不是最干净的代码，但它确实有效：

test = 'START_DATE'


df_short = df_policy[['OLD_CON_ID',test,'CONTRACT_ID']]
df_short.rename(columns={'OLD_CON_ID':'PID','CONTRACT_ID':'CID'}, 

inplace = True)
df_test = df_policy[['CONTRACT_ID','END_DATE']]
df_test.rename(columns={'CONTRACT_ID':'CID','END_DATE': 'PED'}, inplace = True)


df_copy1 = df_short.copy()
df_copy2 = df_short.copy()
df_copy2.rename(columns={'PID':'PPID','CID':'PID'}, inplace = True)

df_merge1 = pd.merge(df_short, df_copy2,
    how='left',
    on=['PID'])

df_merge1['START_DATE_y'].fillna(df_merge1['START_DATE_x'], inplace = True)
df_merge1.rename(columns={'START_DATE_x':'1_EFF','START_DATE_y':'2_EFF'}, inplace=True)

对5个合并的数据帧重复复制，合并，填充和重命名代码：

df_merged = pd.merge(df_merge5, df_test,
    how='right',
    on=['CID'])

df_merged['TOTAL_MONTHS'] = ((df_merged['PED'] - df_merged['6_EFF']
                             )/np.timedelta64(1,'M'))

df_merged4 = df_merged[
    (df_merged['PED'] >= pd.to_datetime('2015-07-06')) 
df_merged4['CHAIN_LENGTH'] = df_merged4.drop(['PED','1_EFF','2_EFF','3_EFF','4_EFF','5_EFF'], axis=1).apply(lambda row: len(pd.unique(row)), axis=1) -3

希望我的代码能被理解，将来会帮助某人。

连续日期的大熊猫行分析

2 个答案: