根據當前行日期的X天內有多少行（條件基于另一列）創建新列

我的 DF 目前只有前兩列 DATE 和 RESULT，我想創建第三列 N_RESULTS_EQUAL_1_PAST_60_DAYS：

DATE                        RESULT   N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS
2018-12-26 23:13:43 00:00   1        0
2019-02-18 23:27:58 00:00   0        1
2019-02-28 15:02:33 00:00   0        0
2019-03-05 18:30:26 00:00   1        0
2019-05-21 14:54:52 00:00   1        0
2019-08-26 14:30:38 00:00   1        0
2019-09-19 15:51:01 00:00   1        1
2019-12-16 17:58:24 00:00   0        0
2021-02-23 03:50:33 00:00   0        0
2021-08-08 22:26:01 00:00   1        0
2021-09-01 18:04:46 00:00   0        1

對于每一行，我想檢查當前行 60 天內的所有前一行，并總結這些前一行有多少 RESULT == 1。我只能想在一個double for 回圈中解決這個問題，效率不高。如果有更有效的方法來解決這個問題？

編輯 1：我在第一次創建 N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS 列時犯了一個錯誤，我沒有考慮 RESULT == 1，我現在正在修復它。

編輯 2：我認為有這個簡單的例子就足以解決問題。然而，事實證明，迄今為止最好的答案要求對日期進行排序，而我實際上無法對日期進行排序，原因如下：

我的實際問題中有一些ID，我必須將這個問題解決到每個單獨的ID。我的 DF 實際上更像這樣：

DATE                        ID   RESULT   N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS
2018-01-24 22:02:36 00:00   104  1        0
2018-05-15 18:27:17 00:00   104  0        0
2019-05-15 22:58:06 00:00   104  1        0
2019-07-22 15:17:55 00:00   104  1        0
2020-01-03 20:27:52 00:00   104  1        0
2018-12-26 23:13:43 00:00   105  1        0
2019-02-18 23:27:58 00:00   105  0        1
2019-02-28 15:02:33 00:00   105  0        0
2019-03-05 18:30:26 00:00   105  1        0
2019-05-21 14:54:52 00:00   105  1        0
2019-08-26 14:30:38 00:00   105  1        0
2019-09-19 15:51:01 00:00   105  1        1
2019-12-16 17:58:24 00:00   105  0        0
2021-02-23 03:50:33 00:00   105  0        0
2021-08-08 22:26:01 00:00   105  1        0
2021-09-01 18:04:46 00:00   105  0        1
2019-01-12 21:24:23 00:00   106  0        0
2019-05-28 08:03:55 00:00   106  1        0
2019-09-17 02:56:47 00:00   106  0        0
2020-05-06 17:20:55 00:00   106  0        0
2021-01-07 13:14:41 00:00   106  0        0

所以，如果我將我的 DATE 列設定為索引，然后對我的索引進行排序，我最終會弄亂我的 ID 列。

uj5u.com熱心網友回復：

假設 'DATE' 是一個 DatetimeIndex，您可以按 'ID' 分組，然后使用 .rolling() 現在適用于參差不齊的日期時間：

df['N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS'] = df.groupby('ID').rolling('60D').sum().astype('int').droplevel(0)

我正在使用原始索引在此處添加列，這是可行的，但我認為更強大的解決方案是使用“ID”和“DATE”將原始 df 與包含 60 天總和的 df 合并，所以你也可以試試。另外，我知道您不想包括“結果”本身，而只想包括以前的總和。在這種情況下，只需減去它：

df['N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS'] = df['N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS'] - df['RESULT']

輸出：

DATE                        ID  RESULT  N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS
2018-01-24 22:02:36 00:00   104 1       0
2018-05-15 18:27:17 00:00   104 0       0
2019-05-15 22:58:06 00:00   104 1       0
2019-07-22 15:17:55 00:00   104 1       0
2020-01-03 20:27:52 00:00   104 1       0
2018-12-26 23:13:43 00:00   105 1       0
2019-02-18 23:27:58 00:00   105 0       1
2019-02-28 15:02:33 00:00   105 0       0
2019-03-05 18:30:26 00:00   105 1       0
2019-05-21 14:54:52 00:00   105 1       0
2019-08-26 14:30:38 00:00   105 1       0
2019-09-19 15:51:01 00:00   105 1       1
2019-12-16 17:58:24 00:00   105 0       0
2021-02-23 03:50:33 00:00   105 0       0
2021-08-08 22:26:01 00:00   105 1       0
2021-09-01 18:04:46 00:00   105 0       1
2019-01-12 21:24:23 00:00   106 0       0
2019-05-28 08:03:55 00:00   106 1       0
2019-09-17 02:56:47 00:00   106 0       0
2020-05-06 17:20:55 00:00   106 0       0
2021-01-07 13:14:41 00:00   106 0       0

uj5u.com熱心網友回復：

似乎@MethodGuy 已經描述了rolling()我在研究解決方案時如何使用，但我把我的版本放在了因為我還有別的東西。

而且我也得到了與@MethodGuy 相同的結果，它們當時不同，N_RESULTS_EQUAL_1_PREVIOUS_60_DAYS所以我檢查了rolling window.

我不確定，但也許應該是61D（減去函式中的最后日期）才能得到past 60D

如果你想有DATE作為index，那么你可以使用rolling('60D')創建rolling window作業只有過去60天-然后你可以使用.sum()，.count()等你還可以使用.apply(func)運行自己的功能，可以跳過當前的日期

def result(data):
    return data[:-1].sum()

df['result'] = df['RESULT'].rolling('60D').apply(result).astype(int)

顯示.sum(), 的最小作業代碼.count()，.apply()用于計算沒有當前日期的總和。我也.apply()用來計算第一個和最后一個日期之間的天數rolling window

text = '''DATE                        RESULT   60_DAYS
2018-12-26 23:13:43 00:00   1        0
2019-02-18 23:27:58 00:00   0        1
2019-02-28 15:02:33 00:00   0        1
2019-03-05 18:30:26 00:00   1        2
2019-05-21 14:54:52 00:00   1        0
2019-08-26 14:30:38 00:00   1        0
2019-09-19 15:51:01 00:00   1        1
2019-12-16 17:58:24 00:00   0        0
2021-02-23 03:50:33 00:00   0        0
2021-08-08 22:26:01 00:00   1        0
2021-09-01 18:04:46 00:00   0        1'''

import pandas as pd

import io
df = pd.read_csv(io.StringIO(text), sep='\s{2,}')
df.index = pd.to_datetime(df['DATE'])
del df['DATE']

print(df)

def result1(data):
    data = data[:-1]
    return data.sum()

def result2(data):
    data = data[:-1]
    return len(data[ data == 1 ])

def days(data):
    return (data.index[-1] - data.index[0]).days

window = df['RESULT'].rolling('60D')

df['sum']     = window.sum().astype(int)
df['count']   = window.count().astype(int)
df['result1'] = window.apply(result1).astype(int)
df['result2'] = window.apply(result2).astype(int)
df['days']    = window.apply(days).astype(int)

print(df)

結果：

                           RESULT  60_DAYS  sum  count  result1  result2  days
DATE                                                                          
2018-12-26 23:13:43 00:00       1        0    1      1        0        0     0
2019-02-18 23:27:58 00:00       0        1    1      2        1        1    54
2019-02-28 15:02:33 00:00       0        1    0      2        0        0     9
2019-03-05 18:30:26 00:00       1        2    1      3        0        0    14
2019-05-21 14:54:52 00:00       1        0    1      1        0        0     0
2019-08-26 14:30:38 00:00       1        0    1      1        0        0     0
2019-09-19 15:51:01 00:00       1        1    2      2        1        1    24
2019-12-16 17:58:24 00:00       0        0    0      1        0        0     0
2021-02-23 03:50:33 00:00       0        0    0      1        0        0     0
2021-08-08 22:26:01 00:00       1        0    1      1        0        0     0
2021-09-01 18:04:46 00:00       0        1    1      2        1        1    23

標籤：Python 熊猫 数据框

上一篇：如何對R中資料幀中條目中的多個值求和？

下一篇：如何旋轉Pyspark資料框