从 Pandas 的日期范围创建随机排序的日期答案

【问题标题】：Creating Random sorted dates from date range in Pandas从 Pandas 的日期范围创建随机排序的日期
【发布时间】：2019-05-03 12:41:55
【问题描述】：

当前数据帧：

    Account_ID  Transaction_Type    Transaction_Date
0   10001        B                      
1   10001        B                      
2   10001        B                      
3   10001        B                      
4   10002        D                      
5   10002        D                      
6   10002        D                      
7   10003        F                      
8   10003        F                      
9   10004        H

我正在尝试在“2018 年 6 月 30 日”到“2018 年 11 月 30 日”的范围内创建随机的“交易日期”，并按“帐户 ID”组排序。对于每组 'Account ID' 随机日期应考虑指定范围。

预期输出：

    Account_ID  Transaction_Type    Transaction_Date
0   10001        B                  2018-06-30  
1   10001        B                  2018-07-15  
2   10001        B                  2018-07-22  
3   10001        B                  2018-09-14  
4   10002        D                  2018-07-02  
5   10002        D                  2018-07-29  
6   10002        D                  2018-10-20  
7   10003        F                  2018-07-07  
8   10003        F                  2018-11-11  
9   10004        H                  2018-06-30

我正在尝试以下逻辑。

按 accountid 分组，获取每个组的计数，在提到的范围内生成随机日期列表，其中包含每个组的计数样本，并将列表元素分配给带有 loc 的“Transaction_Date”系列。有什么更好的方法请推荐。谢谢！

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我会定义一个自定义函数，并使用groupby().transform 应用它。该函数执行以下操作：

1：获取开始天和结束天之间的天数

2：获取n个随机整数（n为每组的大小，整数代表开始日后的天数），并排序 p>

3：将这些随机整数作为天的时间增量添加到开始日期。

start_date = pd.to_datetime('2018-06-30')
end_date = pd.to_datetime('2018-11-30')

def gen_rand_date(group, start_date = start_date, end_date = end_date):
    # step 1 in description above:
    days = (end_date - start_date).days
    # step 2:
    d = pd.np.sort(pd.np.random.choice(range(days), len(group)))
    # step 3:
    return start_date + pd.to_timedelta(d,unit='D')

df['Transaction_Date'] = df.groupby('Account_ID').transform(lambda x: gen_rand_date(x))

>>> df
   Account_ID Transaction_Type Transaction_Date
0       10001                B       2018-07-19
1       10001                B       2018-08-12
2       10001                B       2018-08-27
3       10001                B       2018-09-29
4       10002                D       2018-10-23
5       10002                D       2018-11-09
6       10002                D       2018-11-14
7       10003                F       2018-08-03
8       10003                F       2018-09-10
9       10004                H       2018-09-16

【讨论】：

太棒了@sacul！！非常感谢！