Pandas 使用 group by 扩展索引日期答案

【问题标题】：Pandas extend index date using group byPandas 使用 group by 扩展索引日期
【发布时间】：2019-03-10 08:54:04
【问题描述】：

我有一系列类似这张表的交易：

ID  Customer    Date    Amount
1   A        6/12/2018  33,223.00
2   A        9/20/2018  635.00
3   B        8/3/2018   8,643.00
4   B        8/30/2018  1,231.00
5   C        5/29/2018  7,522.00

但是我需要获得过去六个月（截至今天）的平均金额

我正在使用

df.groupby('Customer').resample('W')['Amount'].sum()

得到这样的东西：

CustomerCode  PayDate   
A             2018-05-21                    268
              2018-05-28                   0.00
              2018-06-11                   0.00
              2018-06-18                472,657
              2018-06-25                   0.00

但是，使用此解决方案，我只能获得客户有金额的日期范围。我需要为每个客户延长周数，以便我可以获得六个月的整个范围（以周为单位）。在此示例中，我需要从“2018-04-05”这一周（从今天起正好是六个月前）到今天这一周（当然填充 0，因为没有金额）为客户 A /p>

【问题讨论】：

我真的不明白你输出中的任何数字来自哪里
@user3483203 抱歉，但出于隐私考虑，我手动编写了它们，因此它们可能没有多大意义。但无论如何我都可以创建虚拟数据并提供它。

标签： python pandas date indexing

【解决方案1】：

这是我为我的问题找到的解决方案。首先，我创建了我想要的日期（过去六个月，但频率为几周）

dates = pd.date_range(datetime.date.today() - datetime.timedelta(6*365/12),
                      pd.datetime.today(),
                      freq='W')

然后我使用客户的产品和日期创建一个多索引。

multi_index = pd.MultiIndex.from_product([pd.Index(df['Customer'].unique()), 
                                          dates], 
                                         names=('Customer', 'Date'))

然后我使用新创建的多索引重新索引 df，最后，我用零填充缺失值。

df.reindex(multi_index)
df.fillna(0)

【讨论】：

【解决方案2】：

重采样非常灵活。要获得 6 个月的总和而不是当前的每周总和，您需要的只是：

df.groupby('Customer').resample('6M')['Amount'].sum()

按月末分组；月份开始是'6MS'。

有关可用频率的更多文档可在此处找到： http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases

【讨论】：