Question

我下面有一个dataframe：

import pandas as pd

data = pd.DataFrame({
        'ID':  ['27459', '27459', '27459', '27459', '27459', '27459', '27459', '48002', '48002', '48002'],
        'Invoice_Date': ['2020-06-26', '2020-06-29', '2020-06-30', '2020-07-14', '2020-07-25', 
                         '2020-07-30', '2020-08-02', '2020-05-13', '2020-06-20', '2020-06-28'],
        'Payment_Term': [7,8,3,6,4,7,8,5,3,6],
        'Payment_Date': ['2020-07-05', '2020-07-05','2020-07-03', '2020-07-21', '2020-07-31', 
                         '2020-08-15', '2020-08-22', '2020-06-16', '2020-06-23', '2020-07-05'],
        })

df = pd.DataFrame(data, columns = ['ID', 'Invoice_Date', 'Payment_Term', 'Payment_Date'])

df['Invoice_Date'] = pd.to_datetime(df['Invoice_Date'].astype(str), format='%Y-%m-%d')
df['Payment_Date'] = pd.to_datetime(df['Payment_Date'].astype(str), format='%Y-%m-%d')
df['Due_Date'] = df['Invoice_Date'] + pd.to_timedelta(df['Payment_Term'], unit = 'd') 
df['Delay'] = df['Payment_Date'] - df['Due_Date']
df['Delay'] = df['Delay'].dt.days                         

print(df)


Out [1]:

      ID Invoice_Date  Payment_Term Payment_Date   Due_Date  Delay
0  27459   2020-06-26             7   2020-07-05 2020-07-03      2
1  27459   2020-06-29             8   2020-07-05 2020-07-07     -2
2  27459   2020-06-30             3   2020-07-03 2020-07-03      0
3  27459   2020-07-14             6   2020-07-21 2020-07-20      1
4  27459   2020-07-25             4   2020-07-31 2020-07-29      2
5  27459   2020-07-30             7   2020-08-15 2020-08-06      9
6  27459   2020-08-02             8   2020-08-22 2020-08-10     12
7  48002   2020-05-13             5   2020-06-16 2020-05-18     29
8  48002   2020-06-20             3   2020-06-23 2020-06-23      0
9  48002   2020-06-28             6   2020-07-05 2020-07-04      1

现在，我要根据以下假设创建一个新的列名Average_Delay：

最近30天的发票。这意味着ID的{{1}}将分为两组，分别是2020-06-26至2020-07-25和2020-07-30至2020-08-02的30天发票。 27459 ID还将有两组为期30天的时段，即2020-05-13和2020-06-20至2020-06-28。
48002记录在ID 30天期限的最后日期。
Average_Delay的计算是Average_Delay的总和除以30天周期内的发票数。预期输出应大致如下所示：

Delay

Answer 1

可以使用Average_Delay和.groupby来计算.resample，如下所示：

df.groupby("ID").get_group("27459").resample("30D", on="Invoice_Date").mean()["Delay"]

产生

Invoice_Date
2020-06-26     0.6
2020-07-26    10.5

但是我不知道如何将结果正确地放在正确的位置。也许其他人有个主意。

Answer 2

您可以基于Andre S.'s answer

delays = df.groupby("ID").resample("30M", on="Invoice_Date").mean()["Delay"]

并使用以下命令将其放入df中：

df['Average_Delay'] = np.nan
for id, invoice_date in delays.index:
    df.loc[(df['ID'] == id) & (df['Invoice_Date'] == invoice_date),"Average_Delay"] = delays[(id,invoice_date)]

但是，我担心某些日期可能与Invoice_Date不匹配。您可以每月以“ 1M”的重采样频率执行此操作。另一种方法是将ID和Invoide_Date一起用作索引，但是我没有提到它，因为它改变了df的结构。

如何添加基于熊猫条件的计算列？

2 个答案: