Python 熊猫：过去和未来的康姆苏姆

给定一个固定时间的单一值：

2010-06-01 : 100

以及该值在过去和未来（相对于固定日期）发生的变化列表：

我希望得到以下结果：

Date         Value
2010-04-01   50
2010-05-01   80
2010-06-01   100
2010-07-01   160
2010-08-01   170

基本上，固定日期后的差值要累计求和，固定日期前的差值要累计减去

我目前的解决办法是：

将差异数据帧过滤为两个：一个包含过去值，另一个包含未来值

对过去的DF求反，将其附加到当前DF，按降序排序，然后进行求和

获取未来的DF，将其附加到当前DF，升序排序，然后进行求和

将所有内容附加在一起

---

一些启动程序代码：

---

您可以创建条件并通过它们应用函数：

#convert to datetimes
df1.Date = pd.to_datetime(df1.Date)
df2.Date = pd.to_datetime(df2.Date)
#join together
df = (pd.concat([df1, df2.rename(columns={'Value':'Diff'})])
       .sort_values('Date')
       .reset_index(drop=True))
print (df)
        Date  Diff
0 2010-04-01    30
1 2010-05-01    20
2 2010-06-01   100
3 2010-07-01    60
4 2010-08-01    10

m1 = df.Date < df2.loc[0, 'Date']
m2 = ~m1
#condition for select only appended value
m3 = m2[[m2.idxmax()]]
print (m3)
2    True
Name: Date, dtype: bool

pd.DataFrame({'Date': ['2010-04-01', '2010-05-01', '2010-07-01', '2010-08-01'], 'Diff': [30,20,60,10]})

pd.DataFrame({'Date': ['2010-06-01'], 'Value': [100]})

#convert to datetimes
df1.Date = pd.to_datetime(df1.Date)
df2.Date = pd.to_datetime(df2.Date)
#join together
df = (pd.concat([df1, df2.rename(columns={'Value':'Diff'})])
       .sort_values('Date')
       .reset_index(drop=True))
print (df)
        Date  Diff
0 2010-04-01    30
1 2010-05-01    20
2 2010-06-01   100
3 2010-07-01    60
4 2010-08-01    10

m1 = df.Date < df2.loc[0, 'Date']
m2 = ~m1
#condition for select only appended value
m3 = m2[[m2.idxmax()]]
print (m3)
2    True
Name: Date, dtype: bool

#multiple by -1 by condition m1
df.loc[m1, 'Diff'] *= -1
#chained m1 and m3 for inverse cumulative sum
df.loc[m1 | m3, 'Diff'] = df.loc[m1 | m3, 'Diff'].iloc[::-1].cumsum()
#classic cumsum
df.loc[m2, 'Diff'] = df.loc[m2, 'Diff'].cumsum()
print (df)

        Date  Diff
0 2010-04-01    50
1 2010-05-01    80
2 2010-06-01   100
3 2010-07-01   160
4 2010-08-01   170