根据另一个表中的日期计算总和答案

【问题标题】：Calculating a sum based on the date from another table根据另一个表中的日期计算总和
【发布时间】：2022-01-20 21:29:55
【问题描述】：

我有以下数据框：

客户发票清单。

Client	NetTotal	Issued
A	1000	01/01/2021
A	2500	03/01/2021
B	1500	05/01/2021
B	2000	07/01/2021

相同客户的列表和促销优惠的日期。

Client	ChangeDate
A	02/01/2021
B	06/01/2021

日期格式为 dd/mm/yyyy。

我需要将它们展平到另一个数据框中，显示更改日期之前和之后的总数，如下所示：

Client	ChangeDate	NetTotal	BeforeChange	AfterChange
A	02/01/2021	3500	1000	2500
B	06/01/2021	3500	1500	2000

谢谢。

data_invoices = {'Client': ['A', 'A', 'B', 'B'], 'NetTotal': [1000,2500,1500,2000], 'Issued':['01/01/2021','03/01/2021', '05/01/2021', '07/01/2021']}
df_invoices = pd.DataFrame(data_invoices)

data_changes = {'Client': ['A', 'B'], 'ChangeDate': ['02/01/2021', '06/01/2021']}
df_changes = pd.DataFrame(data_changes)

【问题讨论】：

您可以将数据作为文本发布，以便我们将其粘贴到我们的 IDE 中吗？
@gold_cy 添加到 OP 中。
如果两个 DataFrame 中的日期相同，则此行在之前或之后或需要删除？
@jezrael 感谢您的反馈，我应该澄清这一点。如果发布日期在更改日期，则应包含在“之后”列中。
由data_changes = {'Client': ['A', 'B'], 'ChangeDate': ['01/01/2021', '06/01/2021']} 测试，应该可以正常工作

标签： python pandas dataframe date merge

【解决方案1】：

用途：

#convert columns to datetimes
df_invoices['Issued'] = pd.to_datetime(df_invoices['Issued'], dayfirst=True)
df_changes['ChangeDate'] = pd.to_datetime(df_changes['ChangeDate'], dayfirst=True)

#added column for compare with greater
df_invoices['ChangeDate'] = df_invoices['Client'].map(df_changes.set_index('Client')['ChangeDate'])

df_invoices['g'] = np.where(df_invoices['ChangeDate'].gt(df_invoices['Issued']), 'BeforeChange','AfterChange')

#pivoting with aggregate sum
df1 = df_invoices.pivot_table(index='Client', columns='g', values='NetTotal', aggfunc='sum')
#added total aggregation sum with before after column
df = df_changes.join(df_invoices.groupby('Client')['NetTotal'].sum(), on='Client').join(df1, on='Client')
print (df)
  Client ChangeDate  NetTotal  AfterChange  BeforeChange
0      A 2021-01-02      3500         2500          1000
1      B 2021-01-06      3500         2000          1500

【讨论】：