我正在寻找一些帮助来决定最有效的方法。我有一个具有特定日期的数据集，没有常规的时间步长。对于这些日期中的每一个，我想创建一个值，范围从日期之前的10天到日期之后的3天。我需要的数据是2列，日期为1，值为另一列。
想到的是使用循环来比较日期并提取 我需要的价值观。我想可能有更好的方法，使用numpy \ pandas或者其他什么？我觉得我的想法是一种相当复杂的事情。
编辑： 所以数据就是这样的。
Date Values
2014-02-09 38.351
2014-02-10 38.281
2014-02-11 38.146
2014-02-12 38.205
2014-02-13 38.428
2014-02-14 38.449
2014-02-15 38.540
2014-02-16 38.586
2014-02-17 38.489
2014-02-18 38.552
2014-02-19 38.580
2014-02-20 38.447
2014-02-21 38.336
2014-02-22 38.284
2014-02-23 38.183
2014-02-24 38.143
2014-02-25 38.146
2014-02-26 38.221
2014-02-27 38.182
2014-02-28 38.170
一行的样本输出将采用以下形式：
t-10 t-9 t-8 t-7 t-6 t-5 t-4 t-3 \
Date
2014-02-19 37.728 37.753 37.652 37.549 37.474 37.407 37.344 37.278
t-2 t-1 t t+1 t+2 t+3
Date
2014-02-19 37.221 37.18 37.125 37.138 37.414 37.394
当t = 2014-02-19时，提取t-10到t + 3的值。我需要在几个不同的日期做到这一点。
编辑：我需要使用这些特定日期。值t-10到t + 3，其中t为以下每个日期，例如。这就是我考虑使用循环的原因。但这似乎是一种混乱的做事方式。
Date
0 2014-11-22
1 2014-12-28
2 2015-01-02
3 2015-02-04
4 2015-02-16
5 2015-02-28
6 2015-03-12
7 2015-03-24
8 2015-04-05
9 2015-04-15
10 2015-04-17
11 2015-04-20
12 2015-11-07
13 2015-11-10
14 2015-11-19
15 2015-11-22
16 2015-11-29
17 2015-12-01
18 2015-12-04
19 2015-12-11
答案 0 :(得分：1)
完全使用您提供的表格，我在调用它们之前首先创建了列，只是为了清晰起见。
df['Date'] = pd.to_datetime(df['Date'],format='%Y-%m-%d')
for daysDelta in range(-10,4):
key = 't'+str(daysDelta)
df[key] = np.nan
当我查看前五行时，我给了我这个：
Date Values t-10 t-9 t-8 t-7 t-6 t-5 t-4 t-3 t-2 t-1 t0 t1 t2 t3
0 2014-09-02 38.351 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
1 2014-10-02 38.281 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
2 2014-11-02 38.146 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
3 2014-12-02 38.205 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
4 2014-02-13 38.428 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
然后，您想循环遍历每一行，并使用索引（哪一行分配）和键（哪一列）为每列分配正确的值：< / p>
for index, row in df.iterrows():
for daysDelta in range(-10,4): #loops through days
key = 't'+str(daysDelta)
# will be true if the difference of days is the one you are looking for
booleanTimeDelta = ((df.loc[:,'Date'] -row['Date']).dt.days == daysDelta)
# if any are true find them and assign it
if any(booleanTimeDelta):
df.loc[index:index+1,key] = df.loc[booleanTimeDelta,'Values'].values
这是您的示例的输出
Date Values t-10 t-9 t-8 t-7 t-6 t-5 t-4 t-3 t-2 t-1 t0 t1 t2 t3
0 2014-09-02 38.351 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 38.351 NaN NaN NaN
1 2014-10-02 38.281 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 38.281 NaN NaN NaN
2 2014-11-02 38.146 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 38.146 NaN NaN NaN
3 2014-12-02 38.205 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 38.205 NaN NaN NaN
4 2014-02-13 38.428 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN 38.428 38.449 38.540 38.586
5 2014-02-14 38.449 NaN NaN NaN NaN NaN NaN NaN NaN NaN 38.428 38.449 38.540 38.586 38.489
6 2014-02-15 38.540 NaN NaN NaN NaN NaN NaN NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552
7 2014-02-16 38.586 NaN NaN NaN NaN NaN NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580
8 2014-02-17 38.489 NaN NaN NaN NaN NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447
9 2014-02-18 38.552 NaN NaN NaN NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336
10 2014-02-19 38.580 NaN NaN NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284
11 2014-02-20 38.447 NaN NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183
12 2014-02-21 38.336 NaN NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143
13 2014-02-22 38.284 NaN 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143 38.146
14 2014-02-23 38.183 38.428 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143 38.146 38.221
15 2014-02-24 38.143 38.449 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143 38.146 38.221 38.182
16 2014-02-25 38.146 38.540 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143 38.146 38.221 38.182 38.182
17 2014-02-26 38.221 38.586 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143 38.146 38.221 38.182 38.182 NaN
18 2014-02-27 38.182 38.489 38.552 38.580 38.447 38.336 38.284 38.183 38.143 38.146 38.221 38.182 38.182 NaN NaN
答案 1 :(得分：0)
我会对你想要的东西做出许多假设，但我想我理解你的问题。你有类似的东西。
In [1]: df
Out[1]:
dates numbers sumOfDates
0 2016-02-04 1 NaN
1 2016-02-13 2 NaN
2 2016-01-25 4 NaN
3 2016-01-16 1 NaN
4 2016-01-27 3 NaN
5 2016-01-13 4 NaN
6 2016-01-15 5 NaN
7 2016-01-29 1 NaN
8 2016-01-11 3 NaN
9 2016-01-17 4 NaN
所有那些NaN都在哪里
这里数字是你谈到的价值观。然后，通过遍历定位所需范围内的所有文件的行，这应该是简单的。然后只需应用总和并将其分配给 sumOfDates 中适当的行
for index, row in df.iterrows():
df.loc[index,'sumOfDates'] = df[(df.dates >(row['dates']-pd.DateOffset(10)))].loc[(df.dates <
(row['dates']+pd.DateOffset(3)))].numbers.sum()
输出应如下：
df
dates numbers sumOfDates
0 2016-02-04 1 5.0
1 2016-02-13 2 3.0
2 2016-01-25 4 12.0
3 2016-01-16 1 17.0
4 2016-01-27 3 8.0
5 2016-01-13 4 12.0
6 2016-01-15 5 17.0
7 2016-01-29 1 8.0
8 2016-01-11 3 7.0
9 2016-01-17 4 17.0
如果我错了，请发布一些示例，以便我们查看这是否是您正在寻找的内容。但我希望你能看到你能用熊猫做些什么。