从创建和修改的时间戳生成积压数据答案

【问题标题】：Generate backlog data from created and modified timestamps从创建和修改的时间戳生成积压数据
【发布时间】：2019-01-28 21:43:04
【问题描述】：

我有一个看起来像这样的数据集

Invoice Id Created Date        Modified Date      
107736     2019-01-28 02:05:07 2019-01-28 02:10:34
107737     2019-01-28 02:10:09 2019-01-28 02:15:50
107738     2019-01-28 03:16:28 2019-01-28 03:20:41
107739     2019-01-28 03:16:28 2019-01-28 03:20:54
107740     2019-01-28 05:57:04 2019-01-28 06:00:52
107741     2019-01-28 06:02:07 2019-01-28 06:05:54
107742     2019-01-28 06:27:14 2019-01-28 06:31:21
107743     2019-01-28 06:27:15 2019-01-28 06:30:51
107744     2019-01-28 06:27:15 2019-01-28 06:32:07
107745     2019-01-28 06:27:15 2019-01-28 06:31:46
107746     2019-01-28 06:27:15 2019-01-28 06:31:06
107747     2019-01-28 06:32:19 2019-01-28 06:36:17
107748     2019-01-28 06:32:19 2019-01-28 06:36:02
107749     2019-01-28 06:32:19 2019-01-28 06:35:43
107750     2019-01-28 06:37:22 2019-01-28 06:41:58
107751     2019-01-28 06:37:24 2019-01-28 06:40:48
107752     2019-01-28 06:37:25 2019-01-28 06:41:40
107753     2019-01-28 06:37:25 2019-01-28 06:41:02
107754     2019-01-28 06:37:25 2019-01-28 06:42:21
107755     2019-01-28 06:42:29 2019-01-28 06:47:04

我想生成一个数据集，每隔 5 分钟告诉我一次积压。

例如：在时间 2019-01-28 02:05:00 积压 = 0，因为不存在发票

在 2019-01-28 02:10:00 backlog = 1，因为第一张发票已创建但未修改

在 2019-01-28 06:30:00 积压 = 5，因为第一张发票已创建但未修改

如何用 pandas 生成这个？

更好地定义当时的积压t = ((df['Created Date'] < t) & (df['Modified Date'] > t)).sum()

【问题讨论】：

标签： python python-3.x pandas datetime

【解决方案1】：

如果您可以假设在创建发票之前无法修改发票，那么您可以按 5 分钟分组 'Created Date' 并减去 'Modified Date' 的分组，然后显示 cumsum()，例如：

In []:
df1 = df.groupby(pd.Grouper(key='Created Date', freq='5Min'))['Invoice Id'].count()
df2 = df.groupby(pd.Grouper(key='Modified Date', freq='5Min'))['Invoice Id'].count()
df1.subtract(df2, fill_value=0).rename('Backlog').astype(int).cumsum()

Out[]:
2019-01-28 02:05:00    1
2019-01-28 02:10:00    1
2019-01-28 02:15:00    0
2019-01-28 02:20:00    0
2019-01-28 02:25:00    0
... snip ...
2019-01-28 06:25:00    5
2019-01-28 06:30:00    3
2019-01-28 06:35:00    5
2019-01-28 06:40:00    1
2019-01-28 06:45:00    0
Freq: 5T, Name: Backlog, dtype: int64

注意：这比您的示例少了 5 分钟，因为它显示了时间间隔的开始，例如02:05 - 02:10 = 1。如果需要，您可以扩展索引以包含 02:00 - 02:05 = 0。

【讨论】：