如何为给定范围在Python中添加特定天数的值？
如何为给定范围在Python中添加特定天数的值？
提问于 2018-05-31 09:59:58
我有一个数据集(Product_ID，date_time，dates )，它的产品在不同的日期销售。日期是9个月，随机13天或更长时间从一个月。我必须对数据进行分类，使每种产品每天售出1-3天，每天销售4-7天，每天销售8-15天，每天销售超过16天。那么，我如何使用熊猫和其他软件包在python中编写这个代码呢？
PRODUCT_ID DATE_LOCATION Sold
0E4234 01-08-16 0:00 2
0E4234 02-08-16 0:00 7
0E4234 07-08-16 0:00 3
0E4234 08-08-16 0:00 1
0E4234 09-08-16 0:00 2
0E4234 10-08-16 0.00 1
.
.
.
0G2342 22-08-16 0:00 1
0G2342 23-08-16 0:00 2
0G2342 26-08-16 0:00 1
0G2342 28-08-16 0:00 1
0G2342 29-08-16 0:00 3
0G2342 30-08-16 0:00 3
.
.
.(goes for 64 products each with 9 months of data)
.我甚至不知道如何在python中编写代码，所需的输出是
PRODUCT_ID Days Sold
0E4234 1-3 9 #(1,2) dates because range is 1 to 3
4-7 7 #(7,8,9,10) dates because range is 4 to 7
8-15 0
>16 0
0G2342 1-3 11 #(22,23),(26),(28,29,30) dates because range is 1 to 3
4-7 0
8-15 0
>16 0
.
.(for 64 products)
.如果至少有人发了一个链接到哪里，我会很高兴的。我试过了
df["DATE_LOCATION"] = pd.to_datetime(df.DATE_LOCATION)
df["DAY"] = df.DATE_LOCATION.dt.day
def flag(x):
if 1<=x<=3:
return '1-3'
elif 4<=x<=7:
return '4-7'
elif 8<=x<=15:
return '8-15'
else:
return '>=16'
df["Days"] = df.DAY.apply(flag)
df.groupby(["PRODUCT_ID","Days"]).Sold.sum()这给了我在这几天内销售的产品数量，在每个month.But中，我需要在指定范围内的产品之和，如果产品是按指定的顺序销售的。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-06-01 10:50:07
将transform用于与原始DataFrame相同大小的Series，使用cut和聚合sum进行绑定
df['DATE_LOCATION'] = pd.to_datetime(df['DATE_LOCATION'], format='%d-%m-%y %H:%M')
df = df.sort_values("DATE_LOCATION")
s = (df["DATE_LOCATION"].diff().dt.days > 1).cumsum()
count = s.groupby(s).transform('size')
print (count)
0 2
1 2
2 4
3 4
4 4
5 4
6 2
7 2
8 1
9 3
10 3
11 3
Name: DATE_LOCATION, dtype: int32
bins = pd.cut(count, bins=[0,3,7,15,31], labels=['1-3', '4-7','8-15', '>=16'])
df = df.groupby(['PRODUCT_ID', bins])['Sold'].sum().reset_index()
print (df)
PRODUCT_ID DATE_LOCATION Sold
0 0E4234 1-3 9
1 0E4234 4-7 7
2 0G2342 1-3 11页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50621605
复制相关文章
相似问题
腾讯云开发者
