每个产品的滞后销售答案

【问题标题】：Lagged Sales for every product每个产品的滞后销售
【发布时间】：2018-08-18 22:01:00
【问题描述】：

晚上好，

我有以下数据框：

print(dd)
dt_op      quantity   product_code
20/01/18      1            613
21/01/18      8            611
21/01/18      1            613 
...

我正在尝试获取滞后的销售额，但以下代码也不通过 product_code 计算它们：

dd["Lagged_Sales"] = [dd.loc[dd['dt_op'].between(d - pd.Timedelta(days = 15), d), 'quantity'].sum() \
                for d in dd['dt_op']]

我想将 dd["Lagged_Sales"] 定义为 过去 15 天内售出的“数量”总和，对于 **每个不同的库存产品；

最终，对于 "dt_op" 和 "product_code" 中的 i。

打印（final_dd）

dt_op      quantity   product_code     Lagged Sales
20/01/18      1            613               1
21/01/18      8            611               8
21/01/18      1            613               2
...

谢谢

【问题讨论】：

标签： python pandas

【解决方案1】：

使用rolling 和15d 频率：

df.set_index('dt_op').groupby('product_code').rolling('15d').quantity.sum()

product_code  dt_op
611           2018-01-21    8.0
613           2018-01-20    1.0
              2018-01-21    2.0
Name: quantity, dtype: float64

【讨论】：

哦，我认为滚动窗口确实更有意义。
问题有点模棱两可，我也喜欢你的回答，我觉得这个问题可以澄清一下
如果我想获得接下来的 15 天怎么办？代替旧代码中的“-”，在(d, d + pd.Timedelta(days = 15)
我对你的意思有点困惑。如果你想总结整个 15 天的时间，这个答案不会那样做（它会做一个滚动的总和，看起来落后 15 天），你想使用coldspeeds。
我想要一个能够查看过去（根据问题的要求）和未来（数据集上接下来的“N”天）的函数

【解决方案2】：

IIUC，与pd.Grouper 和“product_code”分组：

df.dt_op = pd.to_datetime(df.dt_op, errors='coerce')
df.groupby([pd.Grouper(key='dt_op', freq='15D'), 'product_code']).quantity.sum()

dt_op       product_code
2018-01-20  611             8
            613             2
Name: quantity, dtype: int64

【讨论】：

它引发：插入列的索引与框架索引不兼容
@AlessandroCeccarelli 如果问题中的数据框不能准确表示您的实际数据，那么我需要一些东西。
确实如此；可能有与它无关的问题。