首次出现和当前出现之间的周数差异

Question

我有一个包含项目和日期的大型数据集。简化版如下：

Item	Date
1	2018-10-01
2	2018-04-03
1	2018-10-16
2	2018-04-15
1	2018-10-20
2	2018-04-30

我想添加 df['ItemAge'] 列，显示从项目出现日期到项目第一次出现日期之间的周数。在这里，周数四舍五入为整数。此变量的值在项目第一次出现的日期为 0。因此我想获得：

Item	Date	ItemAge
1	2018-10-01	0
2	2018-04-03	0
1	2018-10-16	2
2	2018-04-15	2
1	2018-10-20	3
2	2018-04-30	4

我正在考虑为每个项目创建变量 StartDate 作为每个项目第一次出现的日期。随后循环遍历这些项目并计算该项目的新出现与其 StartDate 之间的天数差。然后将此天数除以 7 并四舍五入为整数。

但是，我不知道如何在 python 中编写此代码。有人有什么建议吗？

Answer 1

您可以转换为日期时间、groupby 项目和transform 以获取每个组的第一个日期。然后将生成的 TimeDelta 除以 7 得到天数：

d = pd.to_datetime(df['Date'])
df['ItemAge'] = ((d-d.groupby(df['Item']).transform('first')).dt.days/7).round().astype(int)

输出：

   Item        Date  ItemAge
0     1  2018-10-01        0
1     2  2018-04-03        0
2     1  2018-10-16        2
3     2  2018-04-15        2
4     1  2018-10-20        3
5     2  2018-04-30        4