在指定的Pandas日期范围内使用Python ()
我对Python比较陌生，但我有一个复杂的问题，我认为需要几个不同的函数，但我不知道从哪里开始。
在Excel中，通过使用产品函数(基于最近更新日期的起点(在本例中为01/10/2020) )，只需将每个起点元素的产品功能总和乘以此产品功能，就可以得到当前更新日期的总和，并按元素值进行细分。
我想用Python编写这篇文章，但是除了Python3.8Python()的基本信息之外，我似乎没有任何可以在线找到的信息来解决/帮助我解决这个问题。
我有以下3种Pandas数据(我从Excel复制数据并粘贴在下面的链接中，以便于解释，但我已经将这些数据作为数据导入到我的测试代码中)。
数据以这种形式提供，需要整理在一起，按成员权利的不同元素细分的重估需要从开始日期(" StartDate ")到当前的“更新”日期(01/10/2020) --如果可能的话，还需要在StartDate到第一次更新日期(相当于Excel函数)之间按比例计算。
这3种数据格式如下：
- 具有某些基本信息的成员标识符。最重要的数据是‘StartDate’列，因为它是重新评估成员利益的点。它需要一个函数来计算，我在这里猜测，从TimeDelta (以月为单位)从StartDate到成员的第一次续约日期，这需要是一个比例的差异，例如，第一名成员开始于2016年01月02，所以第一次更新需要有一个8个月的比例。我还想设置一个布尔值，如果是True，则按比例计算，否则它不会
- 增加因素元素要么增加，要么保持水平(价值永远不会减少)
- 成员资产-通过成员标识符(MemberID)链接到(1)。这些不同的元素应该通过(2)中的增长因素而升级，而这些数字是StartDate中的元素。
本质上，函数需要计算第一个更新日期在StartDate之后的时间，如果布尔值为True，则按比例递增，然后计算StartDate和最近更新日期之间的更新日期范围和增加因子，最后将产品应用于StartDate元素的此日期范围。
这是我的第一篇文章，我很抱歉，如果它不是您所期望的格式，或者是任何Python代码，因为我对Python和StackOverflow非常陌生(它们甚至不允许我直接发布表，只作为图像链接)。由于数据保护，我提供的数据是虚拟日期，但相对地基于实际数据。
如果你有任何问题，我很乐意提供更多的信息。谢谢您提前提供帮助！
编辑:请看我正在使用的这个临时解决方案，但是它没有StartDate与第一次增长日期之间的第一次增长的比例：解决方案(不按比例计算)
- 在本例中，MemberID函数应该会发现StartDate之后的第一次增长为01/10/2016 (DD/MM/YYYY)
- 然后，该职能应检查2016年10月1日至2020年1月10日之间每一项更新日期的增加情况。Excel产品公式给出的元素分别为: 1.38823，1.20396和1.20462，元素1到3。
- 最后，将来自StartDate的元素乘以每个部分的乘积总数，以获得当前值。
Stack Overflow用户
发布于 2020-11-14 21:43:46
我在这里做了一些应该给你一个入门的东西。第一个代码块只是重新创建数据。第二个块对每个成员进行迭代，获取适当的更新日期，然后在整个DataFrames中将获取的行相乘。
由于在成员it上使用显式的for-循环而不是广播，它的效率并不高，但它应该会让您开始工作。
import pandas as pd
df_startDate = pd.DataFrame({
'StartDate': pd.to_datetime(['01/02/2016', '10/04/2017', '29/09/2018', '05/11/2018']),
}, index=['9000001', '9000023', '9004561', '9007910'])
df_renewals = pd.DataFrame({
'Element 1': [1.05, 1.04, 1.06, 1.10, 1.08, 1.06],
'Element 2': [1.03, 1.02, 1.07, 1.05, 1.03, 1.02],
'Element 3': [1.04, 1.04, 1.05, 1.03, 1.02, 1.05],
}, index=pd.to_datetime(['01/10/'+str(i) for i in range(2015, 2021)]))
df_assets = pd.DataFrame({
'Element 1': [1000, 1500, 2000, 1750],
'Element 2': [1500, 2000, 2500, 2000],
'Element 3': [2000, 2500, 3000, 2250],
}, index=['9000001', '9000023', '9004561', '9007910'])
print(df_startDate)
print(df_renewals)
print(df_assets)我的方法，你可以学习：
results = pd.DataFrame(columns=['Element 1', 'Element 2', 'Element 3'])
for member_id in df_startDate.index:
print('******')
print(member_id)
# Get rows between the StartDate and the current date
df_factors = df_renewals.loc[df_startDate['StartDate'].loc[member_id]: pd.Timestamp.now()]
print(df_factors, end='\n\n')
# Multiply rows together to get total factor
prod_factors = df_factors.product(axis='index')
print(prod_factors.to_frame().T, end='\n\n')
# Multiply factor with base value
results.loc[member_id] = df_assets.loc[member_id].mul(prod_factors)
print(results.loc[member_id].to_frame().T, end='\n\n')
print(results)无评论/印刷：
results = pd.DataFrame(columns=['Element 1', 'Element 2', 'Element 3'])
for member_id in df_startDate.index:
df_factors = df_renewals.loc[df_startDate['StartDate'].loc[member_id]: pd.Timestamp.now()]
results.loc[member_id] = df_assets.loc[member_id].mul( df_factors.product(axis='index') )结果：
Element 1 Element 2 Element 3
9000001 1388.230272 1805.934123 2409.23592
9000023 1888.920000 2206.260000 2757.82500
9004561 2289.600000 2626.500000 3213.00000
9007910 2003.400000 2101.200000 2409.75000https://stackoverflow.com/questions/64837139
复制相似问题
腾讯云开发者
