查找每個customerId的最接近日期并計算時間跨度

我有個問題。我有一個包含customerId和 date的資料框fromDate。現在我想為每個客戶單獨計算下一次交貨的時間。例如，我有一個客戶，customerId = 1他買了一些東西2021-03-18我現在想找到下一個日期并以天為單位輸出這個距離，例如2021-03-22和4 days。簡單來說，我想計算the next date in the future - from Dateor n - (n-1)。除非日期有下一個日期，否則它應該是Noneeg 2022-01-18should be None。

我有一個問題，我得到了很多None價值，而且，我應該分別看待每個客戶。我怎樣才能做到這一點？

數學舉例

n - (n-1) = next_day_in_days
e.g.
2021-03-22 - 2021-03-18 = 4
[OUT]
    customerId    fromDate next_day_in_days
1            1  2021-03-18         4

資料框

    customerId    fromDate
0            1  2021-02-22
1            1  2021-03-18
2            1  2021-03-22
3            1  2021-02-10
4            1  2021-09-07
5            1        None
6            1  2022-01-18
7            2  2021-05-17
8            3  2021-05-17
9            3  2021-07-17
10           3  2021-02-22
11           3  2021-02-22

代碼

import pandas as pd
import datetime

d = {'customerId': [1, 1, 1, 1, 1, 1, 1, 2, 3, 3, 3, 3],
     'fromDate': ['2021-02-22', '2021-03-18', '2021-03-22', 
'2021-02-10', '2021-09-07', None, '2022-01-18', '2021-05-17', '2021-05-17', '2021-07-17', '2021-02-22', '2021-02-22']
    }
df = pd.DataFrame(data=d)


print(df)
def nearest(items, pivot):
  try:
    return min(items, key=lambda x: abs(x - pivot))
  except:
    return None

df['fromDate'] = pd.to_datetime(df['fromDate'], errors='coerce').dt.date
df["next_day_in_days"] = df['fromDate'].apply(lambda x: nearest(df['fromDate'], x)) 

輸出

[OUT]
    customerId    fromDate next_in_days
0            1  2021-02-22         None
1            1  2021-03-18         None
2            1  2021-03-22         None
3            1  2021-02-10         None
4            1  2021-09-07         None
5            1         NaT         None
6            1  2022-01-18         None
7            2  2021-05-17         None
8            3  2021-05-17         None
9            3  2021-07-17         None
10           3  2021-02-22         None
11           3  2021-02-22         None
Name: next_in_days, dtype: object

我想要的是

    customerId    fromDate next_day_in_days
0            1  2021-02-22         24
1            1  2021-03-18         4
2            1  2021-03-22         109
3            1  2021-02-10         12
4            1  2021-09-07         133
5            1         NaT         None
6            1  2022-01-18         None
7            2  2021-05-17         None
8            3  2021-05-17         61
9            3  2021-07-17         None
10           3  2021-02-22         133
11           3  2021-02-22         133

uj5u.com熱心網友回復：

customerId首先按和對列進行排序fromDate，因為可能的重復將它們按相同的列洗掉，因此可能DataFrameGroupBy.diff與 一起使用Series.dt.days：

df['fromDate'] = pd.to_datetime(df['fromDate'], errors='coerce')
    
df = df.sort_values(['customerId','fromDate'])
df['next_day_in_days'] = (df.drop_duplicates(['customerId','fromDate'])
                            .groupby('customerId')['fromDate']
                            .diff(-1)
                            .dt.days
                            .abs())

如有必要，獲取索引的原始順序。

df = df.sort_index()

最后一個重復值 per ['customerId', 'fromDate']，這里最后一個值84.0by GroupBy.ffill：

df['next_day_in_days'] = df.groupby(['customerId', 'fromDate'])['next_day_in_days'].ffill()
print (df)
    customerId   fromDate  next_day_in_days
0            1 2021-02-22              24.0
1            1 2021-03-18               4.0
2            1 2021-03-22             169.0
3            1 2021-02-10              12.0
4            1 2021-09-07             133.0
5            1        NaT               NaN
6            1 2022-01-18               NaN
7            2 2021-05-17               NaN
8            3 2021-05-17              61.0
9            3 2021-07-17               NaN
10           3 2021-02-22              84.0
11           3 2021-02-22              84.0

標籤：Python 熊猫 数据框 日期

上一篇：在Java中設定Date和Timestamp屬性值

下一篇：Javascript中以秒為單位的UTC偏移量