Python 熊猫以增量方式减去日期,直到数据帧上满足条件为止
我有一个如下所示的数据帧:Python 熊猫以增量方式减去日期,直到数据帧上满足条件为止,python,pandas,loops,timedelta,Python,Pandas,Loops,Timedelta,我有一个如下所示的数据帧: Name Date Person A 2019-06-18 Person A 2019-05-14 Person A 2019-04-03 Person B 2019-05-19 Person C 2019-05-16 Person C 2019-05-23 Person C 2019-05-15 Person D 2019-06-21 Name Date Person
Name Date
Person A 2019-06-18
Person A 2019-05-14
Person A 2019-04-03
Person B 2019-05-19
Person C 2019-05-16
Person C 2019-05-23
Person C 2019-05-15
Person D 2019-06-21
Name Date
Person A 2019-06-18
Person A 2019-05-07
Person A 2019-04-03
Person B 2019-05-12
Person C 2019-05-09
Person C 2019-05-09
Person C 2019-05-08
Person D 2019-06-21
我想做的是修改5/14和6/14之间的任何人的日期,并减去7天。如果此操作完成后,它们仍在该范围内,则再减去7天
最后,我希望数据如下所示:
Name Date
Person A 2019-06-18
Person A 2019-05-14
Person A 2019-04-03
Person B 2019-05-19
Person C 2019-05-16
Person C 2019-05-23
Person C 2019-05-15
Person D 2019-06-21
Name Date
Person A 2019-06-18
Person A 2019-05-07
Person A 2019-04-03
Person B 2019-05-12
Person C 2019-05-09
Person C 2019-05-09
Person C 2019-05-08
Person D 2019-06-21
(在这一步之后,我将把它汇总起来,这样每个人都有一行他们所有的日期,然后向他们发送他们的信息——但我想我可以自己解决这个问题。)
现在,我有以下代码“正在工作”:
我们可以使用
range()
创建一个简单的循环,然后使用该循环有条件地更改两个日期之间的每一行:
for i in range(2):
df['Date'] = np.where(df['Date'].between('20190514','20190614'),
df['Date'] - pd.Timedelta(days=7),
df['Date'])
print(df)
Name Date
0 Person A 2019-06-18
1 Person A 2019-05-07
2 Person A 2019-04-03
3 Person B 2019-05-12
4 Person C 2019-05-09
5 Person C 2019-05-09
6 Person C 2019-05-08
7 Person D 2019-06-21
我只需要计算一下你必须从每个日期中减去多少次,然后一步完成
以下是一个不在位修改框架的版本:
m = df.Date.between('2019-05-14', '2019-06-14')
d = df.Date - pd.Timestamp('2019-05-13')
o = np.ceil(d.dt.days / 7)
df.assign(Date=np.where(m, df.Date - (o * np.timedelta64(7, 'D')), df.Date))
您可以编写一个函数,然后将其应用于日期列。
pd.Series.apply
方法通过将每个值传递给提供的函数来工作。在函数中,你有一个简单的while循环,它会持续减去7天,直到你在你想要的日期范围内
from datetime import datetime as dt
from datetime import timedelta
def date_modifier(x):
d = x
while True:
if d >= dt(2019, 5, 14) and d<=dt(2019, 6, 14):
d-= timedelta(days=7)
else:
return d
df['Date-Mod'] = df['Date'].apply(date_modifier)
我假设
Date
列属于datetime64
类型
第一步是定义“边界日期”:
然后,我们必须定义应用于每个日期的函数:
def fn(dat):
inRng = (dat >= start_date) & (dat <= end_date)
dat2 = dat
if inRng:
diffWeeks = int((dat - start_date) / np.timedelta64(1, 'W')) + 1
dat2 -= np.timedelta64(diffWeeks, 'W')
return dat2
打印数据帧时,您将获得:
Name Date Dat2
0 Person A 2019-06-18 2019-06-18
1 Person A 2019-05-14 2019-05-07
2 Person A 2019-04-03 2019-04-03
3 Person B 2019-05-19 2019-05-12
4 Person C 2019-05-16 2019-05-09
5 Person C 2019-05-23 2019-05-09
6 Person C 2019-05-15 2019-05-08
7 Person D 2019-06-21 2019-06-21
你的方法的范围是2,适用于给定的数据,但如果日期是,例如,20190613,则不需要,我认为至少需要4或5的范围,因为你查看的日期间隔是一个月。具体来说,要减去两次。这就是我为什么使用范围。但是我们可以加5只是为了确定..我明白了,我明白OP不希望这两个界限之间有日期,操作应该在那之前完成。只是对问题的一种解释:)
from datetime import datetime as dt
from datetime import timedelta
def date_modifier(x):
d = x
while True:
if d >= dt(2019, 5, 14) and d<=dt(2019, 6, 14):
d-= timedelta(days=7)
else:
return d
df['Date-Mod'] = df['Date'].apply(date_modifier)
Name Date Date-Mod
0 PersonA 2019-06-18 2019-06-18
1 PersonA 2019-05-14 2019-05-07
2 PersonA 2019-04-03 2019-04-03
3 PersonB 2019-05-19 2019-05-12
4 PersonC 2019-05-16 2019-05-09
5 PersonC 2019-05-23 2019-05-09
6 PersonC 2019-05-15 2019-05-08
7 PersonD 2019-06-21 2019-06-21
start_date = pd.to_datetime('2019-05-14')
end_date = pd.to_datetime('2019-06-14')
def fn(dat):
inRng = (dat >= start_date) & (dat <= end_date)
dat2 = dat
if inRng:
diffWeeks = int((dat - start_date) / np.timedelta64(1, 'W')) + 1
dat2 -= np.timedelta64(diffWeeks, 'W')
return dat2
df['Dat2'] = df.Date.apply(fn)
Name Date Dat2
0 Person A 2019-06-18 2019-06-18
1 Person A 2019-05-14 2019-05-07
2 Person A 2019-04-03 2019-04-03
3 Person B 2019-05-19 2019-05-12
4 Person C 2019-05-16 2019-05-09
5 Person C 2019-05-23 2019-05-09
6 Person C 2019-05-15 2019-05-08
7 Person D 2019-06-21 2019-06-21