Python Dataframe—每两周计算一次值的总和

我有一个数据框，其值如下-

               Amount  Product  DocDate
0              1099.0   1100 2018-01-02
1              1234.0   1100 2018-01-04
2              1000.0   1100 2018-01-06
3              8000.0   1100 2018-01-28
4              3000.0   1100 2018-02-09
5              4500.0   1100 2018-02-20

我需要计算每两周结束时计算的金额总和字段

例如：

Product Amount FortNight
1100    3333.0  Jan 1st Fortnight (this could be date format too!!)
1100    3000.0  Feb 2nd Fortnight
1100    4500.0  Feb 1st Fortnight

如果它不涉及循环就太好了（因为我也有产品循环） 我尝试将周和月分开（分组）并进行计算，但无法得到预期的结果，因为它是dataframe中的一列

---

提前谢谢。感谢您的帮助。

首先，我有点担心，因为您说您正在对熊猫使用循环。。。你不应该在熊猫身上使用环，因为它们不是专门为它设计的，而且速度非常慢，效率也非常低。有一些非常罕见的情况下，你无法避免它，但即使这样，也有选择，以优化它更好

要回答您的问题，首先需要将DocDate格式转换为datetime格式：

from datetime import datetime
df.DocDate = df.DocDate.apply(lambda d: datetime.strptime(d, %Y-%m-%d))

然后，您可以使用

datetimeIndex.resample

函数，该函数的工作原理与groupby完全相同，但允许您按时间限制对数据进行分组：

df = df.set_index('DocDate').resample('2W').Amount.sum()

重采样（'2W'）

这里指的是按2周周期分组。

需要：

#if necessary convert column to datetime
df['DocDate'] = pd.to_datetime(df['DocDate'])
#generate Fortnight https://stackoverflow.com/a/34428879
s =  np.where(df['DocDate'].dt.day < 15, '1st Fortnight', '2nd Fortnight')
#create new column
df['FortNight'] = df['DocDate'].dt.strftime('%b ') + s
#aggregate sum
df = df.groupby(['Product','FortNight'], as_index=False, sort=False)['Amount'].sum()
print (df)
   Product          FortNight  Amount
0     1100  Jan 1st Fortnight  3333.0
1     1100  Jan 2nd Fortnight  8000.0
2     1100  Feb 1st Fortnight  3000.0
3     1100  Feb 2nd Fortnight  4500.0

#如有必要，将列转换为日期时间
df['DocDate']=pd.to_datetime（df['DocDate']）
#生成两周https://stackoverflow.com/a/34428879
s=np.式中（df['DocDate'].dt.日<15，'第一个两周'，'第二个两周'）
#创建新列
df['FortNight']=df['DocDate'].dt.strftime（'%b'）+s
#总金额
df=df.groupby（['Product'，'fortuning']，as_index=False，sort=False）['Amount'].sum（）
打印（df）
产品两周金额
0 1100一月一日两周3333.0
1100年1月2日两周8000.0
2 1100 2月1日两周3000.0
3 1100 2月2日两周4500.0

如果需要输出中的日期时间：

s =  np.where(df['DocDate'].dt.day < 15, '-01', '-15')
df['FortNight'] = pd.to_datetime(df['DocDate'].dt.strftime('%Y-%m') + s)

df = df.groupby(['Product','FortNight'], as_index=False, sort=False)['Amount'].sum()
print (df)
   Product  FortNight  Amount
0     1100 2018-01-01  3333.0
1     1100 2018-01-15  8000.0
2     1100 2018-02-01  3000.0
3     1100 2018-02-15  4500.0

s=np.where（df['DocDate'].dt.day<15'，-01'，-15'）
df['FortNight']=pd.to_datetime（df['DocDate'].dt.strftime（“%Y-%m”）+s）
df=df.groupby（['Product'，'fortuning']，as_index=False，sort=False）['Amount'].sum（）
打印（df）
产品两周金额
0     1100 2018-01-01  3333.0
1     1100 2018-01-15  8000.0
2     1100 2018-02-01  3000.0
3     1100 2018-02-15  4500.0

这会有帮助吗：如果我的答案有帮助，别忘了-单击答案旁边的复选标记，将其从灰色变为填充。谢谢。对不起，也许我的问题错了。。我会循环浏览一份产品清单[110012001300…等等]。。对于每个产品，我将创建一个数据框，其中包含与该产品相关的数据集，并需要执行求和。。