在python数据框中选择最接近的日期每月的第一天

我有这种数据帧

这些数据表示消费指数的值，通常每月编码一次（在下个月底或月初），但有时更高。如果计数器不在并需要更换，此值可以重置为“0”。此外，有几个月没有可用的数据

我希望每个月只选择一个条目，但该条目必须最接近该月的第一天，并且低于该月的第15天（因为如果该天较高，则可能是该月底的度量）。另一个条件是，如果两个值之间的差值为负值（计数器已被替换），则即使该日期不是月的第一天附近的最近日期，也需要保留该值

例如，输出数据需要是

目的是仅计算每月的消耗量

解决方案是解析数据帧（作为数组）并执行一些if条件语句。然而，我想知道是否有“简单”的替代方案来实现这一点

---

谢谢

您可以使用

MonthEnd

规范化月份数据，然后删除该列的重复项，并保留

最后一个

值

from pandas.tseries.offsets import MonthEnd    
df.New = df.Index + MonthEnd(1)
df.Diff = abs((df.Index - df.New).dt.days)
df = df.sort_values(df.New, df.Diff)
df = df.drop_duplicates(subset='New', keep='first').drop(['New','Diff'], axis=1)

---

这应该可以解决问题，但我无法进行测试，因此，如果这不起作用，请将示例数据复制并传递到StackOverFlow中。

定义数据帧，将索引转换为日期时间，定义辅助列， 使用它们运行

shift

方法有条件地删除行，最后删除辅助列：

from pandas.tseries.offsets import MonthEnd, MonthBegin
import pandas as pd
from datetime import datetime as dt
import numpy as np

df = pd.DataFrame([
    [1254],
    [1265],
    [1277],
    [1301],
    [1345],
    [1541]
], columns=["Value"]
, index=[dt.strptime("05-10-19", '%d-%m-%y'),
         dt.strptime("29-10-19", '%d-%m-%y'),
         dt.strptime("30-10-19", '%d-%m-%y'),
         dt.strptime("04-11-19", '%d-%m-%y'),
         dt.strptime("30-11-19", '%d-%m-%y'),
         dt.strptime("03-02-20", '%d-%m-%y')
         ]
)

early_days = df.loc[df.index.day < 15]
early_month_end = early_days.index - MonthEnd(1)
early_day_diff = early_days.index - early_month_end
late_days = df.loc[df.index.day >= 15]
late_month_end = late_days.index + MonthBegin(1)
late_day_diff = late_month_end - late_days.index
df["day_offset"] = (early_day_diff.append(late_day_diff) / np.timedelta64(1, 'D')).astype(int)
df["start_of_month"] = df.index.day < 15
df["month"] = df.index.values.astype('M8[D]').astype(str)
df["month"] = df["month"].str[5:7].str.lstrip('0')
# df["month_diff"] = df["month"].astype(int).diff().fillna(0).astype(int)
df = df[df["month"].shift().ne(df["month"].shift(-1))]
df = df.drop(columns=["day_offset", "start_of_month", "month"])
print(df)

---

也许我不清楚。如果这些截止日期可用：25/5东部时间3/6，则必须保留3/6，因为它更接近项目的第一天month@Ksartor请包含输入数据——您可以执行

df.iloc[0:6]。将结果复制并粘贴到您的问题中。您写了“我希望每月只选择一个条目”，但在所需的输出数据中，10月份有两个条目（
05-10-19
和
30-10-19
）。请澄清，也许我不清楚。如果这些截止日期可用：25/5 et 3/6，则必须保留3/6，因为它更接近当月的第一天。在这种情况下，5月10日是唯一接近1月10日的日期，30月10日是最近的1月11日。除此情况外，它似乎有效：如果两个值之间的差值为负数（计数器已被替换），则即使该日期不是最接近月份第一天的日期，也需要保留该值。您能举个例子吗？为什么不先重置_索引呢？有了这个数据帧，我还需要在计数器更改时保留4/2/2020的条目（理论上，时间可以添加到数据帧中）df=
pd.dataframe（[[1277]，[1301]，[1345]，[1541]，[12]，[175]]，columns=[[Value”]，index=[dt.strtime（“30-10-19”，“d-%m-%y”），dt.strtime（“04-11-19”，“d-%m-%y”），dt.strtime（“30-11-19”，“d-%m-%y”），dt.strtime（“03-02-20”，“d-%m-%y”），dt.strtime（“04-02-20”，“d-%m-%y”），dt.strtime（“25-02-20”，“d-%m-%y”））
            Value
2019-10-05   1254
2019-10-30   1277
2019-11-04   1301
2019-11-30   1345
2020-02-03   1541