自 21：48：25Z

Question

我有一个带有列的数据框df：

Date_1  count
01/09/2019  5
02/09/2019  4
03/09/2019  5
04/09/2019  6
05/09/2019  7
06/09/2019  8
07/09/2019  10
08/09/2019  9
09/09/2019  11
10/09/2019  12
11/09/2019  13
12/09/2019  14
13/09/2019  15
14/09/2019  18
15/09/2019  17
16/09/2019  18
17/09/2019  19
18/09/2019  20
19/09/2019  21
20/09/2019  22
21/09/2019  23
22/09/2019  24
23/09/2019  25
24/09/2019  26
25/09/2019  27
26/09/2019  28
27/09/2019  29
28/09/2019  30
29/09/2019  30
30/09/2019  30

我想生成具有3列date_1，count，date_2的df2，例如：

date_2是基于计数生成的。如果date_1的计数为5，则数据框中将有5个条目。而且date_2具有以下约束：

其中70％的值在（date_1-10到date_1-2）范围内
其余值的范围为（date_1-30到date_1-11）

date_1和date_2的每个也应该是唯一的元组，即，不重复任何对（date_1，date_2）。

例如：

第一行： date_1的4个值应在范围1 =（01/09/2019-10 = 22/08/2019到01/09/2019-30/08/2019）范围内，其余1个值应在范围范围内2（01/09/2019-30 = 02/08/2019至01/09/2019-21/08/2019）。

对于count = 30的数据帧中的值，我们不需要进行此更改，因为我们需要唯一的值，并且由于date_2可以取的总值为30，因此我们必须合并所有值。（在这种情况下，我们不能使用70％和30％）

我无法理解如何根据这些因素特别设计该数据框。因此，对于count> 11，它的所有值都应在1（8个值）范围内。在此之前，其范围1和范围2分别为70％和30％。

任何人都可以帮助我定义这些约束。

谢谢

Answer 1

要定义的第一个函数是：

def getSample(rng, n):
    siz = rng.size
    return rng.sample(n = n, replace = n > siz)

它从 rng 返回 n 个元素的样本。如果可能（所需的元素数量小于或等于到 rng 中的元素数）

第二个功能是：

def getDates(dat, n):
    td1d = pd.Timedelta(1, 'D')
    # Date ranges
    rng1 = pd.Series(pd.date_range(dat - td1d * 30, dat - td1d * 11, freq='D'))
    rng2 = pd.Series(pd.date_range(dat - td1d * 10, dat - td1d * 2, freq='D'))
    # Numbers of dates
    n2 = int(round(n * 0.7))
    n1 = n - n2
    return pd.concat([getSample(rng1, n1), getSample(rng2, n2)])\
        .sort_values().reset_index(drop=True)

它：

同时生成两个日期范围 [d-30：d-11] 和 [d-10：d-2] 。
计算从每个范围获取的两个元素数。
从两个范围（所需大小）中获取样本，将它们连接起来，排序并返回结果。

最后一个为当前行生成“复制行”的函数是：

def repl(row):
    dat = row.Date_1
    cnt = row['count']
    return pd.DataFrame({'date_1': dat, 'count': cnt, 'date_2': getDates(dat, cnt)})

现在最后要做的就是应用此功能并合并结果：

df2 = pd.concat(df1.sort_values('Date_1').\
    apply(repl, axis=1).tolist(), ignore_index=True)

注意：如果 [d-10：d-2] 范围内的日期数超过可用的日期数，这些日期是重复。

自 21：48：25Z

起编辑以下评论

您的受孕失败：例如 2019-09-28 的行（需要 30 行）。在 [d-10：d-2] 范围内，应该取21个日期。

但是因为那里只有 9个日期，所以：

我们只能从该范围内获取 9 ，
因此剩余的 21 日期应从第二个范围中获取（ [d-30：d-11] ）。

但是该范围仅包含 20 个日期，因此无法提取 21 从那里开始（无重复）。

结论：您的要求过高了。

再说一遍：

实际上可以从以下形式看出这一任务是不可能的以下观察结果：

日期范围 [d-30：d-2] 包含 29 个日期。因此，不要期望可以从该池中获取 30个不同的日期，而不管两个子范围之间的划分。

根据2个不同的范围生成日期

1 个答案:

自 21：48：25Z