每个组的总滚动日历天数 Python Pandas

Question

我想计算 所有日历日 的滚动累计总数 "station" 正在运行。我的数据集不包含该站未运行的日期。但是我需要计算每个站从开始日期开始运行的日历天数的滚动总数。

我在下面提供了创建包含不同站点及其运行日期的数据框的代码。我计算滚动累计工作天数，现在我需要找到自开始日期以来的日历天数的滚动累计

import pandas as pd
import numpy as np

d = {'Date': ['2011-01-02','2011-01-04','2011-01-05',
              '2011-01-10','2011-01-14','2011-01-15',
              '2011-01-17','2011-01-19','2011-01-22'], 
     'Value': [2,4,66,22,1,2,4,7,9], 
     'Station_ID': ['A','A','A','A','B','B','B','B','B']}
df = pd.DataFrame(data=d)
df['Date'] = df['Date'].values.astype('datetime64[D]')

df

# this gives each stations rolling cumulative number of operating days
df['Rolling_Operating_Days'] = df.groupby('Station_ID')['Date'].rank(method='dense',ascending=True)
df

我希望输出如下所示：

如您所见，"rolling calendar_days" 从 "station_ID" 的日历日 1 开始，然后累计滚动总数。

所以，看看下面的数据集，即使该站只运行了 4 或 5 天 ("Rolling_Operating_Days")，总的 ("Rolling_Calendar_Days") 个日历日是 9.

    Date    Value   Station_ID  Rolling_Operating_Days  Rolling_Calendar_Days
0   2011-01-02  2   A           1.0                             1.0
1   2011-01-04  4   A           2.0                             3.0
2   2011-01-05  66  A           3.0                             4.0
3   2011-01-10  22  A           4.0                             9.0
4   2011-01-14  1   B           1.0                             1.0
5   2011-01-15  2   B           2.0                             2.0
6   2011-01-17  4   B           3.0                             4.0
7   2011-01-19  7   B           4.0                             6.0
8   2011-01-22  9   B           5.0                             9.0

我希望能够计算 "Rolling_Calendar_Days" 列。有人知道怎么做吗？

Answer 1

我想我理解你想要完成的事情。您的示例的问题在于，如果开始日期不是 1 (2011-01-02)。然后它将从 2 而不是 1 开始。解决方案是使用 pd.series.diff() 然后 cumsum

假设 df_subset 是：

    Date        Value   Station_ID  
1   2011-01-02  0.961571    A       
3   2011-01-04  -0.927761   A       
4   2011-01-05  0.340300    A       
9   2011-01-10  -1.805910   A       
13  2011-01-14  0.062959    B       
14  2011-01-15  -0.402931   B       
16  2011-01-17  0.696784    B       
18  2011-01-19  -0.039989   B       
21  2011-01-22  -0.547465   B

那么你可以：

# create a func for groupby
def myFunc(x):
    return x['Date'].diff().dt.days.replace(np.nan,1).cumsum()

# apply function to group and reset index
df_subset['Rolling_Calendar_Days'] = df_subset.groupby('Station_ID').apply(myFunc).reset_index(level=0, drop=True)



    Date         Value  Station_ID  Rolling_Calendar_Days
1   2011-01-02  0.961571    A        1.0
3   2011-01-04  -0.927761   A        3.0
4   2011-01-05  0.340300    A        4.0
9   2011-01-10  -1.805910   A        9.0
13  2011-01-14  0.062959    B        1.0
14  2011-01-15  -0.402931   B        2.0
16  2011-01-17  0.696784    B        4.0
18  2011-01-19  -0.039989   B        6.0
21  2011-01-22  -0.547465   B        9.0

这假设您希望开始日期从 1 而不是 0 开始

每个组的总滚动日历天数 Python Pandas

Total Rolling Calendar Days per Group Python Pandas

python

datetime

cumulative-sum

pandas