Pandas 根据大熊猫的具体情况，以天为单位的时差

我有一个如下所示的数据框

ID   CONSTRUCTION_DATE   START_DATE   END_DATE      CANCELLED_DATE
1    2016-02-06          2016-02-26   2017-02-26    NaT
1    2016-02-06          2017-03-27   2018-02-26    2017-05-22 
1    2016-02-06          2017-08-27   2019-02-26    2017-10-21
1    2016-02-06          2018-07-27   2021-02-26    NaT
2    2016-05-06          2017-03-27   2018-02-26    NaT 
2    2016-05-06          2018-08-27   2019-02-26    NaT

以上数据必须是基于ID和开始日期的订单

从上面的数据框中，我想准备下面的数据框

ID   D_from_C_to_first_S_D    T_D_V_aft_c  T_D_V_w_cancel   N_of_cancel    Lst_END_DATE_to_today
1    20                       376          29               2              After_today
1    325                      NaN          182              0              358     

在哪里

取消日期=NaT表示合同未取消

D_from_C_to_first_S_D=从施工日期到首次开工日期的天数

T_D_V_aft_c=ID=1取消后的总空置天数，两个取消日期，97+279=376

T_D_V_w_cancel=未取消的总空置天数，只需求上一个结束日期与下一个开始日期之差的总和

---

Lst_END_DATE_to_today=从最后一个结束日期到今天的天数。

首先创建了新的列，用于可能的简单验证解决方案：

today = pd.to_datetime('now').floor('d')
m = df['CANCELLED_DATE'].isna()
df['D_from_C_to_first_S_D'] = df['START_DATE'].sub(df['CONSTRUCTION_DATE']).dt.days
df['T_D_V_aft_c'] = df.groupby('ID')['START_DATE'].shift(-1).sub(df['CANCELLED_DATE']).dt.days
df['T_D_V_w_cancel'] = df.groupby('ID')['START_DATE'].shift(-1).sub(df.loc[m, 'END_DATE']).dt.days
df['N_of_cancel'] = np.where(m, 0, 1)
s = df['END_DATE'].rsub(today).dt.days
df['Lst_END_DATE_to_today'] = s.mask(s.lt(0), 'After_today')

然后在NaN的自定义函数中按first、last和sum进行聚合，而不是0：

---

在T_D_V_u aft_c中97号计数如何？@jezrael，ID=1，其第一个取消日期=2017-05-22，从该日期到下一个开始日期2017-08-27的天数，对于T_D_V_w_取消，仅计数为正差异？因为我参加了第一组a-29，-183-214@jezrael我们应该忽略取消日期的行。只考虑行，我们没有取消的数据容易回答，请检查是否像你需要的工作。

print (df)
   ID CONSTRUCTION_DATE  START_DATE    END_DATE CANCELLED_DATE
0   1        2016-02-06  2016-02-26  2017-02-26            NaT
1   1        2016-02-06  2017-03-27  2018-02-26     2017-05-22
2   1        2016-02-06  2017-08-27  2019-02-26     2017-10-21
3   1        2016-02-06  2018-07-27  2021-02-26            NaT
4   2        2016-05-06  2017-03-27  2018-02-26            NaT
5   2        2016-05-06  2018-08-27  2019-02-26            NaT
   ID CONSTRUCTION_DATE START_DATE   END_DATE CANCELLED_DATE  \
0   1        2016-02-06 2016-02-26 2017-02-26            NaT   
1   1        2016-02-06 2017-03-27 2018-02-26     2017-05-22   
2   1        2016-02-06 2017-08-27 2019-02-26     2017-10-21   
3   1        2016-02-06 2018-07-27 2021-02-26            NaT   
4   2        2016-05-06 2017-03-27 2018-02-26            NaT   
5   2        2016-05-06 2018-08-27 2019-02-26            NaT   

   D_from_C_to_first_S_D  T_D_V_aft_c  T_D_V_w_cancel  N_of_cancel  \
0                     20          NaN            29.0            0   
1                    415         97.0             NaN            1   
2                    568        279.0             NaN            1   
3                    902          NaN             NaN            0   
4                    325          NaN           182.0            0   
5                    843          NaN             NaN            0   

  Lst_END_DATE_to_today  
0                  1089  
1                   724  
2                   359  
3           After_today  
4                   724  
5                   359  

f = lambda x: x.sum(min_count=1)
df1 = df.groupby('ID').agg(D_from_C_to_first_S_D=('D_from_C_to_first_S_D','first'),
                           T_D_V_aft_c=('T_D_V_aft_c',f),
                           T_D_V_w_cancel=('T_D_V_w_cancel',f),
                           N_of_cancel=('N_of_cancel',f),
                           Lst_END_DATE_to_today=('Lst_END_DATE_to_today','last'),
                           ).reset_index()

print (df1)
   ID  D_from_C_to_first_S_D  T_D_V_aft_c  T_D_V_w_cancel  N_of_cancel  \
0   1                     20        376.0            29.0            2   
1   2                    325          NaN           182.0            0   

  Lst_END_DATE_to_today  
0           After_today  
1                   359