Question

我正在尝试在我的pandas数据框中生成Last_Payment_Date字段，并且需要在每个客户（即groupby）的给定Payment_Date之前找到最接近的Order_Date。< / p>

Payment_Date将始终发生在Order_Date之后，但可能需要不同的时间段，这很难使用排序和转移来查找最近的日期。

Masking似乎是一种可能的方式，但我无法想办法如何使用它。

感谢我能得到的所有帮助！

Cust_No  Order_Date  Payment_Date  Last_Payment_Date
      A    5/8/2014      6/8/2014                Nat
      B    6/8/2014      1/5/2015                Nat
      B    7/8/2014      7/8/2014                Nat
      A    8/8/2014      1/5/2015           6/8/2014
      A    9/8/2014     10/8/2014           6/8/2014
      A  10/11/2014    12/11/2014          10/8/2014
      B  11/12/2014      1/1/2015           7/8/2014
      B    1/2/2015      2/2/2015           1/1/2015
      A    2/5/2015      5/5/2015           1/5/2015
      B    3/5/2015      4/5/2015           2/2/2015

Answer 1

Series.searchsorted很大程度上做你想要的 - 它可用于查找Order_Date在Payment_Date内的适合位置。在特别是，它返回与每个索引对应的序数索引需要插入Order_Date才能保留Payment_Dates 排序。例如，假设

In [266]: df['Payment_Date']
Out[266]: 
0   2014-06-08
2   2014-07-08
4   2014-10-08
5   2014-12-11
6   2015-01-01
1   2015-01-05
3   2015-01-05
7   2015-02-02
9   2015-04-05
8   2015-05-05
Name: Payment_Date, dtype: datetime64[ns]

In [267]: df['Order_Date']
Out[267]: 
0   2014-05-08
2   2014-07-08
4   2014-09-08
5   2014-10-11
6   2014-11-12
1   2014-06-08
3   2014-08-08
7   2015-01-02
9   2015-03-05
8   2015-02-05
Name: Order_Date, dtype: datetime64[ns]

然后searchsorted返回

In [268]: df['Payment_Date'].searchsorted(df['Order_Date'])
Out[268]: array([0, 1, 2, 3, 3, 0, 2, 5, 8, 8])

例如，第一个值0表示Order_Date，2014-05-08，必须插入序数索引0（Payment_Date之前 2014-06-08）保持Payment_Date按排序顺序排列。第二个值，1，表示必须插入Order_Date，2014-07-08 序数索引1（在Payment_Date 2014-06-08之后和2014-07-08之前）保持Payment_Date按排序顺序。等等其他指数。

现在，当然，有一些并发症：

Payment_Dates需要按照searchsorted的排序顺序返回a 有意义的结果：
```
df = df.sort_values(by=['Payment_Date'])    
```
我们需要按Cust_No
进行分组
```
grouped = df.groupby('Cust_No')
```
我们希望之前的<{>}的Payment_Date索引 Order_Date。因此，我们确实需要将索引减少一个：

idx = grp['Payment_Date'].searchsorted(grp['Order_Date']) result = grp['Payment_Date'].iloc[idx-1]

因此grp['Payment_Date'].iloc[idx-1]会抓住之前 Payment_Date。

当searchsorted返回0时，Order_Date小于全部 Payment_Date秒。在这种情况下我们想要一个NaT。

result[idx == 0] = pd.NaT

所以把它全部放在一起，

import pandas as pd NaT = pd.NaT T = pd.Timestamp df = pd.DataFrame({ 'Cust_No': ['A', 'B', 'B', 'A', 'A', 'A', 'B', 'B', 'A', 'B'], 'expected': [ NaT, NaT, NaT, T('2014-06-08'), T('2014-06-08'), T('2014-10-08'), T('2014-07-08'), T('2015-01-01'), T('2015-01-05'), T('2015-02-02')], 'Order_Date': [ T('2014-05-08'), T('2014-06-08'), T('2014-07-08'), T('2014-08-08'), T('2014-09-08'), T('2014-10-11'), T('2014-11-12'), T('2015-01-02'), T('2015-02-05'), T('2015-03-05')], 'Payment_Date': [ T('2014-06-08'), T('2015-01-05'), T('2014-07-08'), T('2015-01-05'), T('2014-10-08'), T('2014-12-11'), T('2015-01-01'), T('2015-02-02'), T('2015-05-05'), T('2015-04-05')]}) def last_payment_date(s, df): grp = df.loc[s.index] idx = grp['Payment_Date'].searchsorted(grp['Order_Date']) result = grp['Payment_Date'].iloc[idx-1] result[idx == 0] = pd.NaT return result df = df.sort_values(by=['Payment_Date']) grouped = df.groupby('Cust_No') df['Last_Payment_Date'] = grouped['Payment_Date'].transform(last_payment_date, df) print(df)

产量

Cust_No Order_Date Payment_Date expected Last_Payment_Date 0 A 2014-05-08 2014-06-08 NaT NaT 2 B 2014-07-08 2014-07-08 NaT NaT 4 A 2014-09-08 2014-10-08 2014-06-08 2014-06-08 5 A 2014-10-11 2014-12-11 2014-10-08 2014-10-08 6 B 2014-11-12 2015-01-01 2014-07-08 2014-07-08 1 B 2014-06-08 2015-01-05 NaT NaT 3 A 2014-08-08 2015-01-05 2014-06-08 2014-06-08 7 B 2015-01-02 2015-02-02 2015-01-01 2015-01-01 9 B 2015-03-05 2015-04-05 2015-02-02 2015-02-02 8 A 2015-02-05 2015-05-05 2015-01-05 2015-01-05

在groupby数据帧中查找给定日期的最近日期（Python）

1 个答案: