基于 date_time 索引值的 Python/pandas 条件语句

Question

我有一个 Pandas 数据框，其时间序列索引基于使用 date_time 应用的日期范围，如下所示：

                     Column A
2016-11-24 00:00:00  4.0
2016-11-24 01:00:00  7.8
2016-11-24 02:00:00  95.1
2016-11-24 03:00:00  78.4
etc

我想做的是创建一个新列，根据索引中的月份将因子应用于 A 列。

修正系数：9 月 = 1、10 月 = 2、11 月 = 3、12 月 = 4 等等。

所以，在上面的例子中，因为月份是 11 月，所以结果是：

                     Column A   Column B
2016-11-24 00:00:00  4.0        12
2016-11-24 01:00:00  7.8        23.4
2016-11-24 02:00:00  95.1       285.3
2016-11-24 03:00:00  78.4       235.2
etc

我已经尝试了许多解决方案，对此有些麻烦。有人有什么建议吗？

Answer 1

我认为您可以从month 中减去8，然后再减去multiple，但在September 之前的几个月中，1 的数字会更少：

print (df.index.month - 8)
[3 3 3 3]

df['Column B'] = df['Column A'] * (df.index.month - 8)
print (df)
                     Column A  Column B
2016-11-24 00:00:00       4.0      12.0
2016-11-24 01:00:00       7.8      23.4
2016-11-24 02:00:00      95.1     285.3
2016-11-24 03:00:00      78.4     235.2

您也可以将map 与dict 结合使用，然后再与mul 结合使用。在此解决方案中，有必要从 df.index.month 创建 Series 并返回 numpy array，索引为 df（如果不是 index，则获取所有值 NaN，因为索引不匹配）。

d = {9:1,10:2,11:3,12:4}

df['Column B'] = pd.Series(df.index.month, index=df.index).map(d).mul(df['Column A'])
print (df)
                     Column A  Column B
2016-11-24 00:00:00       4.0      12.0
2016-11-24 01:00:00       7.8      23.4
2016-11-24 02:00:00      95.1     285.3
2016-11-24 03:00:00      78.4     235.2