Bedingte Zusammenführung mit Pandas

Frageninhalt

Ich habe einen Pandas-Datenrahmen wie unten, der andere Anrufe in eine Region detailliert beschreibt:

commsdate	Bereich	day0 inkrementell	Tag1 inkrementell	Tag2 inkrementell
24.01.01	Verkauf	43	36	29
24.01.01	Service	85	74	66
24.01.02	Verkauf	56	42	31
24.01.02	Service	73	62	49
24.01.03	Verkauf	48	32	24
24.01.03	Service	67	58	46

Ich versuche, die Anzahl der eingegangenen Anrufe nach Datum zu berechnen. Die am 1. Januar eingegangenen Verkaufsanrufe sind also day0_incremental (43) dieses Datums, der 2. Januar ist day0 des 2. Januar plus 1. Januar, Tag1 (36+) 56) und der 3. Januar ist Tag0 des 3. Januar plus Tag1 des 2. Januar, Tag2 des 1. Januar (48+42+29), was den folgenden Datenrahmen ergibt:

Anrufdatum	Verkauf	Service
24.01.01	43	85
24.01.02	92	147
24.01.03	119	195
01.04.24	63	107
01.05.24	24	46

Ich habe erfolgreich eine Shell des Datenrahmens für die zweite Tabelle erstellt, ohne Werte unter der Bereichsspalte, weiß aber nicht, was ich als Nächstes tun soll:

df['commsdate'] = pd.to_datetime(df['commsdate'], format='%d/%m/%y')
areaunique = df['area'].unique().tolist()
from datetime import timedelta
calldate = pd.date_range(start=min(df['commsdate']), end=max(df['commsdate'])+timedelta(days=6), freq='d')

data = {area: [] for area in areaunique}

dfnew = pd.dataframe(data)

dfnew['calldate'] = calldate

dfnew = dfnew.melt(id_vars=['calldate'], var_name='area')

dfnew = dfnew.pivot(index='calldate', columns='area', values='value')

dfnew = dfnew.reset_index()

dfnew = dfnew[['calldate'] + areaunique]

Ich habe angefangen, eine for-Schleife zu schreiben, bin aber nur so weit gekommen:

for i in range(1,len(areaunique)+1):
    dfnew.columns(i) =

Richtige Antwort

Du kannst anrufenpivot、shift和add:

df['commsdate'] = pd.to_datetime(df['commsdate'], dayfirst=true)
tmp = df.pivot(index='commsdate', columns='area')

out = (tmp['day0 incremental']
       .add(tmp['day1 incremental'].shift(freq='1d'), fill_value=0)
       .add(tmp['day2 incremental'].shift(freq='2d'), fill_value=0)
       .reset_index().rename_axis(columns=none)
      )

Alternativ verwenden Sie von dayx … 字符串中提取的数字以编程方式使用 functools.reduce:

from functools import reduce
import re

reg = re.compile(r'day(\d+)')

df['commsdate'] = pd.to_datetime(df['commsdate'], dayfirst=true)
tmp = df.pivot(index='commsdate', columns='area')

out = reduce(lambda a,b: a.add(b, fill_value=0),
             (tmp[d].shift(freq=f'{reg.search(d).group(1)}d') for d in
              tmp.columns.get_level_values(0).unique())
            ).reset_index().rename_axis(columns=none)

Ausgabe:

CommsDate  Sales  Service
0 2024-01-01   43.0     85.0
1 2024-01-02   92.0    147.0
2 2024-01-03  119.0    195.0
3 2024-01-04   63.0    107.0
4 2024-01-05   24.0     46.0

Das obige ist der detaillierte Inhalt vonBedingte Zusammenführung mit Pandas. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!