Python数据操作：使用日期复制和平均行和列值

嗨，我有一个以下格式的数据集：

用于复制数据的代码：

import pandas as pd
d1 = {'Year': 
['2008','2008','2008','2008','2008','2008','2008','2008','2008','2008'],
  'Month':['1','1','2','6','7','8','8','11','12','12'],
'Day':['6','22','6','18','3','10','14','6','16','24'],
'Subject_A':['','30','','','','35','','','',''],
'Subject_B':['','','','','','','','40','',''],
'Subject_C': ['','','','','','65','','50','','']}
d1 = pd.DataFrame(d1)

我以字符串形式输入数字以显示空白单元格

其中前三列表示日期（年、月和日），下面几列表示个人（我的实际数据文件由大约300行这样的行和大约1000个主题组成。我在这里展示了数据的子集）

其中，列值指快速消费品产品的支出。 我想做的是：

第1部分（起点和终点）

a） 对于每个人，确定第一次观察的位置，并至少在前六个月复制第一次观察的值。例如：受试者C的第一次观察是在2008年8月10日。在这种情况下，我希望2008年6月10日的所有行对于主题C等于65（大约为2/12/2008） 是截止日期。因此，我们将顶部的第三个单元格留空，以供主题（C）列使用

b） 找到最后一次观察，并在接下来的3个月内重复最后一次观察。例如，对于主题A，我们重复35次（直到2008年11月6日）

请参考下图，了解带解决方案的突出显示单元格

第二部分-（中间的行）

接下来我想做两件事（我需要分别完成以下三个步骤，而不是一次完成所有步骤）：

对于像受试者A这样的个体，找到两个依次出现的观察结果（30和35）

i） 使用两次观察的平均值。在这种情况下，我们将在四行中使用32.5，而不考虑时间

例如：

ii）找出两次观察之间的总时间，并取时间的平均值。对于时间段的前半部分，指定第一个值，对于后半部分，指定第二个值。例如，对于受试者1，208年1月22日至2008年8月10日之间的总天数为201天。对于前201/2=100.5天，将30的值分配给受试者_A，对于剩余的值分配给35。在这种情况下，Subject_A和Subject_C的列将如下所示：

最终数据集将使用（a）、（b）和（i）或（a）、（b）和（ii）

最终数据I[使用a、b和I]

最终数据二[使用a、b和II]

我将非常感谢您的帮助。提前谢谢。如果步骤不清楚，请告诉我

跟进问题和问题

谢谢@Juan的初步回答。这是我的后续问题。假设受试者_A有2个以上的观察结果（下面的示例数据代码）。我们是否能够扩展此代码以包含2个以上的观察结果

import pandas as pd
d1 = {'Year': 
['2008','2008','2008','2008','2008','2008','2008','2008','2008','2008'],
  'Month':['1','1','2','6','7','8','8','11','12','12'],
'Day':['6','22','6','18','3','10','14','6','16','24'],
'Subject_A':['','30','','45','','35','','','',''],
'Subject_B':['','','','','','','','40','',''],
'Subject_C': ['','','','','','65','','50','','']}
d1 = pd.DataFrame(d1)

问题 对于当前代码，我发现第二部分（II）存在一个问题。这是我得到的输出：

---

这实际上是在正确的轨道上。35以上的两个单元格似乎没有更新。我这边有什么问题吗？同样的问题与之前一样，我们是否能够将其扩展到>2个观察值的情况？

这里是主题a的代码解决方案。应该与其他主题一起使用：

import pandas as pd
d1 = {'Year': 
['2008','2008','2008','2008','2008','2008','2008','2008','2008','2008'],
  'Month':['1','1','2','6','7','8','8','11','12','12'],
'Day':['6','22','6','18','3','10','14','6','16','24'],
'Subject_A':['','30','','45','','35','','','',''],
'Subject_B':['','','','','','','','40','',''],
'Subject_C': ['','','','','','65','','50','','']}
d1 = pd.DataFrame(d1)

d1 = {'Year': 
['2008','2008','2008','2008','2008','2008','2008','2008','2008','2008'],
  'Month':['1','1','2','6','7','8','8','11','12','12'],
'Day':['6','22','6','18','3','10','14','6','16','24'],
'Subject_A':['','30','','45','','35','','','',''],
'Subject_B':['','','','','','','','40','',''],
'Subject_C': ['','','','','','65','','50','','']}
d1 = pd.DataFrame(d1)
d1 = pd.DataFrame(d1)
## Create a variable named date
d1['date']= pd.to_datetime(d1['Year']+'/'+d1['Month']+'/'+d1['Day'])
# convert to float, to calculate mean
d1['Subject_A'] = d1['Subject_A'].replace('',np.nan).astype(float)
# index of the not null rows
subja = d1['Subject_A'].notnull()

### max and min index row with notnull value
max_id_subja = d1.loc[subja,'date'].idxmax()
min_id_subja = d1.loc[subja,'date'].idxmin()
### max and min date for Sub A with notnull value
max_date_subja = d1.loc[subja,'date'].max()
min_date_subja = d1.loc[subja,'date'].min()
### value for max and min date
max_val_subja = d1.loc[max_id_subja,'Subject_A']
min_val_subja = d1.loc[min_id_subja,'Subject_A']
#### Cutoffs
min_cutoff = min_date_subja-pd.Timedelta(6, unit='M')
max_cutoff = max_date_subja+pd.Timedelta(3, unit='M')

## PART I.a
d1.loc[(d1['date']<min_date_subja) & (d1['date']>min_cutoff),'Subject_A'] = min_val_subja
## PART I.b
d1.loc[(d1['date']>max_date_subja) & (d1['date']<max_cutoff),'Subject_A'] = max_val_subja
## PART II
d1_2i = d1.copy()
d1_2ii = d1.copy()

lower_date = min_date_subja
lower_val = min_val_subja.copy()
next_dates_index = d1_2i.loc[(d1['date']>min_date_subja) & subja].index
for N in next_dates_index:
    next_date = d1_2i.loc[N,'date']
    next_val =  d1_2i.loc[N,'Subject_A']
    #PART II.i
    d1_2i.loc[(d1['date']>lower_date) & (d1['date']<next_date),'Subject_A'] = np.mean([lower_val,next_val])
    #PART II.ii
    mean_time_a = pd.Timedelta((next_date-lower_date).days/2, unit='d')
    d1_2ii.loc[(d1['date']>lower_date) & (d1['date']<=lower_date+mean_time_a),'Subject_A'] = lower_val
    d1_2ii.loc[(d1['date']>lower_date+mean_time_a) & (d1['date']<=next_date),'Subject_A'] = next_val
    lower_date = next_date
    lower_val = next_val
print(d1_2i)
print(d1_2ii)

d1={'Year'：
['2008','2008','2008','2008','2008','2008','2008','2008','2008','2008'],
‘月份’：[‘1’、‘1’、‘2’、‘6’、‘7’、‘8’、‘8’、‘11’、‘12’、‘12’]，
"Day":[6,"22","6","18","3","10","14","6"，
“受试者A:[”，“30”，“45”，“35”，“35”，“30”，“45”，“45”，“35”，“35”，“35”，“30”，“45”，“45”，“35”，“35”，“35”，“35”，“35”，“35”，“30”，“45”，“45”，“45”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35”，“35，
'主题B'：[''，''，''，''，''，''，''，''，''，''，''，''，''，40'，''，''，''，''，
'主题C'：[''，''，''，''，''，''，'65'，''，''，'50'，''，''，''，']}
d1=pd.数据帧（d1）
d1=pd.数据帧（d1）
##创建一个名为date的变量
d1['date']=pd.to_datetime（d1['Year']+'/'+d1['Month']+'/'+d1['Day']））
#转换为浮点，以计算平均值
d1['Subject_A']=d1['Subject_A'].替换（''，np.nan）.类型（float）
#非空行的索引
Subject=d1['Subject_A'].notnull（）
###具有notnull值的最大和最小索引行
max_id_subka=d1.loc[subka，'date'].idxmax（）
min_id_subka=d1.loc[subka，'date'].idxmin（）
###具有notnull值的子A的最大和最小日期
max_date_subka=d1.loc[subka，'date'].max（）
min_date_subka=d1.loc[subka，'date'].min（）
###最大和最小日期的值
max_val_subva=d1.loc[max_id_subva，'Subject_A']
min_val_Subka=d1.loc[min_id_Subka，'Subject_A']
####截止线
最小截止时间=最小日期时间增量（6，单位为M）
最大截止时间=最大截止日期+局部时间增量（3，单位为M）
##第一部分a
d1.loc[（d1[“日期”]最低截止日期），“受试者”]=最低受试者
##第一部分b
d1.loc[（d1[“日期”]>最大日期和（d1[“日期”]最小日期和主题）。索引
对于下一个索引中的N：
下一个日期=d1\U 2i.loc[N，'date']
next_val=d1_2i.loc[N，'Subject_A']
#第II.i部
首被告2 i.loc[（首被告[‘日期’]>下限日期）和（首被告[‘日期’]下限日期）和（首被告[‘日期’]下限日期+平均时间）和（首被告[‘日期’我认为最好将此问题分为三个问题，并将每个问题单独提出。我意识到这可能是一个很长的问题。我在这里提出未来的问题时会记住这一点。我很抱歉。我应该为每个部分分别提问题。谢谢@Juan。代码非常适合第一部分（a）和第二部分。但是，对于第2部分（i），当前设置在有两个观测值时工作。我相信这是因为当前代码使用最大值和最小值。如果有两个以上的观测值，您能提供帮助吗？此外，代码对于第2部分（ii）也不能完全工作。我将在原始问题中附上结果和后续问题，因为我无法在此处附上jpg。再次非常感谢。我编辑了答案以包含2个以上的观察结果，但仅在主题a中进行了测试。效果非常好。我在几个不同的专栏中进行了测试。非常感谢。@Juan