Question

我有一种情况，我想根据合约开始日期，结束日期和总支出来计算每日支出。下一步是按月汇总每日支出金额。这很容易，我将在稍后完成。但是，还有另一个日期（inv date）;如果start在inv date之前，那么inv date之前的所有每日金额应该加总并包含在与inv date相同的时间段内。

首先，简单部分。

df = pd.DataFrame({'start': ['1/1/2018'], 
               'end': ['3/15/2018'], 
               'inv date': ['2/1/2018'],
               'spend': [400]})


         start        end   inv date    spend
0     1/1/2018  3/15/2018   2/1/2018      400

创建合约的日期范围

prd = pd.period_range(df.loc[0, 'start'], df.loc[0, 'end'], freq='D')
prd = pd.Series(1, prd) # empty series to get the number of days in the monthly period
prd = prd.resample('M').size() * (df.loc[0, 'spend'] / prd.resample('M').size().sum())

这给了我以下系列：按月分配的总支出，根据当月的天数...到目前为止，非常好。

prd

2018-01    167.567568
2018-02    151.351351
2018-03     81.081081
Freq: M, dtype: float64

困难的部分（对我来说）

正如我上面提到的，基于inv date，系列实际上应该是这样的：

2018-01             0 
2018-02    318.918919
2018-03     81.081081
Freq: M, dtype: float64

因为inv date是在start日期之后，所以我不想在inv date之后添加它。 FYI ：318 = 167 + 151（即上述2/2018的总数）。

resample这可能吗？如果没有，那么最有效的方法是什么？

Answer 1

从“简单部分”部分末尾的df和prd开始：

# Get the inv date as a pandas Timestamp
invdate = pd.to_datetime(df['inv date'])[0]
oneday = pd.offsets.Day(1)
# Pandas slicing includes BOTH endpoints, so we need this one-day 
# offset to get all values strictly before the inv date
prd.loc[invdate] = prd[invdate] + prd[:invdate - oneday].sum()
prd.loc[:invdate - oneday] = 0

# output
2018-01      0.000000
2018-02    318.918919
2018-03     81.081081
Freq: M, dtype: float64

条件重译 - 熊猫

1 个答案: