我有一个大型数据集,我试图进行进一步分析。以下是数据框的相关部分。
Loan Closing Balance Date
1 175,000 2010-10-31
1 150,000 2010-11-30
1 125,000 2010-12-31
2 275,000 2010-10-31
2 250,000 2010-11-30
2 225,000 2010-12-31
3 375,000 2010-10-31
3 350,000 2010-11-30
3 320,000 2010-12-31
我想创建一个名为Opening Balance的新列,它基本上是上个月月末的结算余额,因此对于第二行,期初余额将等于175,000,即结算第一行的余额。
由于数据集从2010年10月31日开始,我无法查找2010-09-30的余额,因此对于任何日期为2010-10-31的行,我想制作该观察的期初余额等于期末余额。
这里应该是什么样子:
Loan Closing Balance Date Opening Balance
1 175,000 2010-10-31 175,000
1 150,000 2010-11-30 175,000
1 125,000 2010-12-31 150,000
2 275,000 2010-10-31 275,000
2 250,000 2010-11-30 275,000
2 225,000 2010-12-31 250,000
3 375,000 2010-10-31 375,000
3 350,000 2010-11-30 375,000
3 320,000 2010-12-31 350,000
在Excel中我通常会使用一个eomonth函数进行复合索引匹配来执行此操作,但不太确定如何在Python中执行此操作(仍然是非常新的)。
任何帮助表示感谢。
我尝试过Santhosh建议的方法,我得到以下信息:
谢谢我尝试了您的解决方案并最终获得以下内容:
Closing Balance_x Date_x Closing Balance_y
0 175000 2010-09-30 150000.0
1 175000 2010-09-30 250000.0
2 175000 2010-09-30 350000.0
3 150000 2010-10-31 125000.0
4 150000 2010-10-31 225000.0
5 150000 2010-10-31 320000.0
6 125000 2010-11-30 NaN
7 275000 2010-09-30 150000.0
8 275000 2010-09-30 250000.0
9 275000 2010-09-30 350000.0
10 250000 2010-10-31 125000.0
11 250000 2010-10-31 225000.0
12 250000 2010-10-31 320000.0
13 225000 2010-11-30 NaN
14 375000 2010-09-30 150000.0
15 375000 2010-09-30 250000.0
16 375000 2010-09-30 350000.0
17 350000 2010-10-31 125000.0
18 350000 2010-10-31 225000.0
19 350000 2010-10-31 320000.0
20 320000 2010-11-30 NaN
然后我修改了该代码以根据贷款ID和日期/ pDate进行合并:
final_df = pd.merge(df, df, how="left", left_on=['Date'], right_on=['pDate'])
Loan Closing Balance_x Date_x Opening Balance
0 1 175000 2010-09-30 150000.0
1 1 150000 2010-10-31 125000.0
2 1 125000 2010-11-30 NaN
3 2 275000 2010-09-30 250000.0
4 2 250000 2010-10-31 225000.0
5 2 225000 2010-11-30 NaN
6 3 375000 2010-09-30 350000.0
7 3 350000 2010-10-31 320000.0
8 3 320000 2010-11-30 NaN
现在在这种情况下,我不确定为什么每次11月的观察都会得到NaN。 11月贷款1的期初余额应为150,000。 10月期初余额应为175,000。 9月期初余额应该默认为与9月期初余额相同,因为我没有8月期末余额可供参考。
更新
认为我解决了这个问题,我将合并代码更改为:
final_df = pd.merge(df, df, how="left", left_on=['Loan','pDate'], right_on=['Loan','Date'])
这仍然让我获得9月观察的NaN,但这很好,因为我可以手动替换这些值。
答案 0 :(得分:2)
我建议你有另一个专栏说明日期 - (1个月),然后将它们加入日期字段以获得期初余额。
df["cmonth"] = df.Date.apply(lambda x: x.year*100+x.month)
df["pDate"] = df.Date.apply(lambda x: (x - pd.DateOffset(months=1)))
df["pmonth"] = df.pDate.apply(lambda x: x.year*100+x.month)
final_df = pd.merge(df, df, how="left", left_on="cmonth", right_on="pmonth")
print(final_df[["close_x", "Date_x", "close_y"]])
#close_y is your opening balance