僅當滿足條件時，將一列減去另一列中的所有值

我有一個時間序列的資料框，我想獲得問題CLOSE和SUBMISSION問題之間差異的總和。但是，我希望它只在CLOSE值高于值時減去SUBMISSION。以下是資料點（按 排序CLOSE）、預期輸出和我嘗試的代碼：

df = pd.DataFrame({'REF_KEY': [1, 2, 3, 4, 5], 'SUBMISSION': ['2018-08-21', '2018-09-03', '2018-09-07', '2018-09-06', '2018-08-28'], 'CLOSE': ['2018-09-05', '2018-09-12', '2018-09-18', '2018-09-24', '2018-09-27']})
df['CLOSE'] = df['CLOSE'].astype('datetime64[ns]')
df['SUBMISSION'] = df['SUBMISSION'].astype('datetime64[ns]')

對于REF_KEY == 1，ACCUM_DATE_DELTA應該是以下各項的總和：

• ('2018-09-05' - '2018-08-21') 的 15 天差異
• ('2018-09-05' - '09-03-2018') 之間的 2 天差異
• ('2018-09-05' - '2018-08-28') 之間的 8 天差異使它成為 26

對于REF_KEY == 2，您將獲得以下總和：

• ('2018-09-12' - '2018-08-21') 之間的 22 天差異
• ('2018-09-12' - '2018-09-03') 之間相差 9 天
• ('2018-09-12' - '2018-09-07') 之間的 5 天差異
• ('2018-09-12' - '2018-09-06') 之間的 6 天差異
• ('2018-09-12' - '2018-08-28') 之間的 15 天差異

所以對于REF_KEY == 1，你可以看到它的關閉日期之間的差異包括REF_KEY == [3, 4]，那是因為CLOSE大于SUBMISSION。因此，我有一個想法，即創建一個CLOSE日期必須超過SUBMISSION日期的條件。

df_2 = pd.DataFrame({'REF_KEY': [1, 2, 3, 4, 5], 
                     'SUBMISSION': ['2018-08-21', '2018-09-03', '2018-09-07', '2018-09-06', '2018-08-28'], 'CLOSE': ['2018-09-05', '2018-09-12', '2018-09-18', '2018-09-24', '2018-09-27'], 'ACCUM_DATE_DELTA': [25, 57, 86, 116, 131]})
df_2['CLOSE'] = df['CLOSE'].astype('datetime64[ns]')
df_2['SUBMISSION'] = df['SUBMISSION'].astype('datetime64[ns]')

嘗試的代碼：

df_2['ACCUM_DATE_DELTA'] = df_2['CLOSE']*len(df_2[df_2['CLOSE'] - df_2['SUBMISSION]]['SUBMISSION'].cumsum()) - df_2[df_2['CLOSE'] - df_2['SUBMISSION]]['SUBMISSION'].cumsum()

uj5u.com熱心網友回復：

1. 交叉merge生成SUBMISSIONx的笛卡爾積CLOSE
2. 只保留行 where CLOSE > SUBMISSION
3. groupby該CLOSE日期與和該集團的CLOSE - SUBMISSION日子
4. merge該ACCUM值恢復到原來的DF

m = pd.merge(df.SUBMISSION, df.CLOSE, how='cross') # cross-merge for all SUBMISSION x CLOSE combos

accum = (m.where(m.CLOSE > m.SUBMISSION)           # limit to CLOSE > SUBMISSION
          .groupby('CLOSE').SUBMISSION             # group by CLOSE
          .apply(lambda g: (g.name - g).sum())     # sum of all (CLOSE - SUBMISSION)
          .rename('ACCUM'))

df.merge(accum, on='CLOSE')                        # merge back to df

輸出：

   REF_KEY  SUBMISSION       CLOSE     ACCUM
0        1  2018-08-21  2018-09-05   25 days
1        2  2018-09-03  2018-09-12   57 days
2        3  2018-09-07  2018-09-18   87 days
3        4  2018-09-06  2018-09-24  117 days
4        5  2018-08-28  2018-09-27  132 days

筆記：

• how='cross'需要 pandas 1.2.0 ，因此對于早期版本，merge在虛擬key列上：

  m = df[['SUBMISSION']].assign(key=0).merge(df[['CLOSE']].assign(key=0), on='key').drop(columns='key')
  

• 與 Jonathan 的解決方案一樣，與您的輸出相比，這些天數相差 1。

uj5u.com熱心網友回復：

我不是誰的計算是正確的。如果是我的，請告訴我這是否是您想要的。

對于 'REF_KEY' == 1，您可以使用它來查找累計天數

(df['CLOSE'][0] - df['SUBMISSION']).dt.days.clip(lower=0).sum()

df['CLOSE'][0]是根據所有提交日期計算的第一個截止日期；dt.days以整數形式給出天數

(df['CLOSE'][0] - df['SUBMISSION']).dt.days

0    15
1     2
2    -2
3    -1
4     8
Name: SUBMISSION, dtype: int64

使用clip(lower=0).sum()以改變負值到零，總和

(df['CLOSE'][0] - df['SUBMISSION']).dt.days.clip(lower=0).sum()
result = 25

要自動執行此操作，請apply()與自定義函式一起使用

def calc(x):
    # print((x - df['SUBMISSION']).dt.days.clip(lower=0).sum())
    return (x - df['SUBMISSION']).dt.days.clip(lower=0).sum()

df

   REF_KEY SUBMISSION      CLOSE
0        1 2018-08-21 2018-09-05
1        2 2018-09-03 2018-09-12
2        3 2018-09-07 2018-09-18
3        4 2018-09-06 2018-09-24
4        5 2018-08-28 2018-09-27

df['ACCUM_DATE_DELTA'] = df.apply(lambda x: calc(x['CLOSE']), axis=1)

   REF_KEY SUBMISSION      CLOSE  ACCUM_DATE_DELTA
0        1 2018-08-21 2018-09-05                25
1        2 2018-09-03 2018-09-12                57
2        3 2018-09-07 2018-09-18                87
3        4 2018-09-06 2018-09-24               117
4        5 2018-08-28 2018-09-27               132

標籤：Python 熊猫 数据框 约会时间

上一篇：類別名稱與資料混合時如何提取組類別

下一篇：在ggplot2/plotly中，當我使用`geom_bar(stat='identity',position='fill')`時，如何將數字提示更改為百分比格