根据熊猫数据框中的条件累加值

Question

我有一个Pandas数据框（以说明预期的行为），如下所示：

yyyy-MM-dd'T'hh:mm:ss.SSSXXX

df = pd.DataFrame({
        'Id': ['001', '001', '002', '002'],
        'Date': ['2013-01-07', '2013-01-14', '2013-01-07', '2013-01-14'],
        'Purchase_Quantity': [12, 13, 10, 6],
        'lead_time': [4, 2, 6, 4],
        'Order_Quantity': [21, 34, 21, 13]
    })
    df['Date'] = pd.to_datetime(df['Date'])
    df = df.groupby(['Id', 'Date']).agg({
        'Purchase_Quantity': sum,
        'lead_time': sum,
        'Order_Quantity': sum})

Purchase_Quantity lead_time Order_Quantity Id Date 001 2013-01-07 12 4 21 2013-01-14 13 2 34 002 2013-01-07 10 6 21 2013-01-14 6 4 13 是以天为单位的持续时间。

我想添加一列来跟踪“现有数量”：

• 前几周的剩余数量
• 加上最终可用的订购数量
• 减去当周购买量

预期结果应为：

lead_time

Answer 1

我认为您应该照顾itertools.accumulate来构建新行（而不是迭代数据框行）。

这是第一次尝试。我将对其进行更新，以更好地匹配您在编辑中尝试实现的目标。

diff = df['Order_Quantity'] - df['Purchase_Quantity']
acc = list(itertools.accumulate(diff))
df['on_hand'] = acc
print(df)

---

编辑

我想我误解了您试图实现的目标。

这是您的基本数据框：

                Purchase_Quantity  lead_time  Order_Quantity
Id  Date                                                    
001 2013-01-07                 12          4              21
    2013-01-14                 13          2              34
002 2013-01-07                 10          6              21
    2013-01-14                  6          4              13

根据我的理解，On Hand列必须报告尚未到达的“已购买”物品的数量。看起来像这样：

                Purchase_Quantity  lead_time  On_Hand
Id  Date                                                    
001 2013-01-07                 12          4       12
    2013-01-14                 13          2       25  # (12 + 13)
002 2013-01-07                 10          6       10
    2013-01-14                  6          4       16  # (10 + 6)

我了解得很好吗？如果是这样，Order_Quantity的作用是什么？

---

编辑2

这是一个受this post启发的新示例，它似乎与您的用例匹配。

我更改了列名以避免混淆（“ Order”和“ Purchase”之间的区别是用我的语言翻译成相同的单词...）。 您还应该将提前期转换为datetime.timedelta对象，使单位和计算更加清晰。

import pandas as pd


def main():
    df = pd.DataFrame({
        'Id': ['001', '001', '002', '002'],
        'Date': ['2013-01-07', '2013-01-14', '2013-01-07', '2013-01-14'],
        'Ordered': [21, 34, 21, 13],
        'LeadTime': [4, 2, 6, 4],
        'Sold': [12, 13, 10, 6],
    })
    df['Date'] = pd.to_datetime(df['Date'])
    df['LeadTime'] = pd.to_timedelta(df['LeadTime'], unit="days")
    print(df)

    df['Received'] = df.apply(lambda x: df.loc[(df['Date']+df['LeadTime'] <= x['Date']) & (df['Id'] == x['Id']), "Ordered"].sum(), axis=1)
    df['Diff'] = df['Received'] - df['Sold']
    print(df)

if __name__ == '__main__':
    main()

如此处所示，您可能必须分两步进行。首先建立一个新列，其值取决于行的当前值（请参阅链接的文章）。然后进行其他可以向量化的计算。

这仍然不能提供预期的输出，但是我提供了一个很好的起点。