Maison >développement back-end >Tutoriel Python >Fusion conditionnelle avec les pandas
J'ai un dataframe pandas comme ci-dessous qui détaille d'autres appels vers une région :
date de communication | zone | jour0 incrémentiel | jour1 incrémentiel | jour2 incrémentiel |
---|---|---|---|---|
01/01/24 | ventes | 43 | 36 | 29 |
01/01/24 | service | 85 | 74 | 66 |
02/01/24 | ventes | 56 | 42 | 31 |
02/01/24 | service | 73 | 62 | 49 |
03/01/24 | ventes | 48 | 32 | 24 |
03/01/24 | service | 67 | 58 | 46 |
J'essaie de calculer le nombre d'appels reçus par date, donc un appel commercial reçu le 1er janvier sera le jour0_incremental (43) de cette date et le 2 janvier sera le jour0 du 2 janvier plus le 1er janvier jour1 (36+) 56 ) et le 3 janvier sera le jour0 du 3 janvier plus le jour1 du 2 janvier plus le jour2 du 1er janvier (48+42+29), ce qui donnera le bloc de données suivant :
Date d'appel | Ventes | Service |
---|---|---|
01/01/24 | 43 | 85 |
02/01/24 | 92 | 147 |
03/01/24 | 119 | 195 |
04/01/24 | 63 | 107 |
05/01/24 | 24 | 46 |
J'ai réussi à créer un shell du dataframe pour la deuxième table, sans valeurs sous la colonne zone, mais je ne sais pas quoi faire ensuite :
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]
J'ai commencé à écrire une boucle for, mais je n'y suis arrivé que jusqu'ici :
for i in range(1,len(areaunique)+1): dfnew.columns(i) =
Vous pouvez appelerpivot
、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) )
Vous pouvez également utiliser à partir de 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)
Sortie :
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
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!