Python 生成特定于趋势的数据

我有一个数据集（df1），它有两列

F_Date      B_Date
01/09/2019  02/08/2019
01/09/2019  03/08/2019
02/09/2019  03/08/2019
01/09/2019  04/08/2019
02/09/2019  04/08/2019
03/09/2019  04/08/2019
02/09/2019  05/08/2019
03/09/2019  05/08/2019
04/09/2019  05/08/2019
01/09/2019  06/08/2019
02/09/2019  06/08/2019
03/09/2019  06/08/2019
04/09/2019  06/08/2019
05/09/2019  06/08/2019
02/09/2019  07/08/2019
03/09/2019  07/08/2019
04/09/2019  07/08/2019
05/09/2019  07/08/2019
06/09/2019  07/08/2019
02/09/2019  08/08/2019
03/09/2019  08/08/2019

我希望生成一个新列值_1，以便：

对于每个日期_1，值_1（合计）不应超过5000

日期_2和值_1应具有增加趋势，即在日期_2聚合，值_1应每天增加。例如，如果日期_2的聚合值_1为1000，则下一个日期_2的值应大于1000

数据帧具有唯一的（日期1、日期2）元组

思考之后，我想到了这样一种方法：

步骤1:F_日期的值为2019年9月1日至2019年9月30日。我想生成一个值_1，这样它有一个增加的趋势，并且值_1应该在50-25000之间

步骤2：一旦我们有了一个新的数据帧（步骤1中的df2）具有F_1和值_1，我们读取我们拥有的数据帧（df1），并以这样的方式分配值_1，对于B_Date，也有增加的趋势

例如：

假设df2中的F_日期，2019年1月1日的条目为50。在df1中，我们有3个B_日期对应于F_日期，那么数据帧将如下所示：

预期输出：

     F_Date     B_Date     value_1
    01/09/2019  02/08/2019  5
    01/09/2019  02/08/2019  15
    01/09/2019  02/08/2019  30

我无法理解如何实现这两个步骤的趋势（增加）。有人能帮上忙吗？还有第二步

---

谢谢

我可能错了，但你的问题在趋势生成的意义上相当模糊。然而，据我所知，你是这样做的：

第1步

使用以下方法生成具有趋势的新列值_1：

import numpy as np

min_y = 50
max_y = 5000
min_x = 1
# any number max_x can be chosen
# this number controls the shape of the logarithm, therefore the final distribution
max_x = 10

# generate (uniformly) and sort 30 random float x in [min_x, max_x)
x = np.sort(np.random.uniform(min_x, max_x, 30))
# get log(x), i.e. values in [log(min_x), log(max_x))
log_x = np.log(x)
# scale log(x) to the new range [min_y, max_y)
y = (max_y - min_y) * ((log_x - np.log(min_x)) / (np.log(max_x) - np.log(min_x))) + min_y

获得数据后，可以对另一个数据帧进行外部联接，然后在数据集中创建一个值为_1的数据帧

joined_df = pd.merge(df1,df2,on='F_Date')

我不确定你是否需要第二种趋势，更多细节会有所帮助