在 python pandas 中创建一个日期向量答案

【问题标题】：Create a vector of dates in python pandas在 python pandas 中创建一个日期向量
【发布时间】：2020-09-24 02:14:00
【问题描述】：

我的数据中有三列：

mall_id product_id sold_date
 13       10001     04-01-2020
 13       10002     05-06-2020
 14       10001     03-01-2020
 13       10001     05-02-2020

我想为每个 mall_id、product_id 唯一组合从 sold_date 创建一个向量。向量应该是这样的向量的长度应该是 max(sold_date) - min(sold_date) 并且它应该是 1s 和 0s 的形式（例如 [0,1,0,0,0,1,1,1] ) 以便每个数字代表当天是否为 mall_id product_id 组合进行了购买。（即 0 表示当天没有购买，1 表示已购买）。

创建向量后，我想用以下 numpy 函数将其转换为 pandas 中的新列：

times_1 = np.diff(np.where(vector))
np.std(times_1)/np.mean(times_1)

我能够将 numpy 函数应用于单个向量，但无法在我的数据框中创建向量，然后将它们应用于列中的每个值。我尝试了几种方法来做到这一点，但由于我是 pandas 的新手，所以我无法弄清楚。

有人可以提供一些方向吗？我将不胜感激。

【问题讨论】：

标签： python python-3.x pandas numpy

【解决方案1】：

我的 Pandas 技能有点生疏，所以我的尝试可能不太理想。

使用的模块：

import datetime as dt
import numpy as np
import pandas as pd

设置 DataFrame（您已经拥有它）：

columns = ['mall_id', 'product_id', 'sold_date']
data = [[13, 10001, '04-01-2020'],
        [13, 10002, '05-06-2020'],
        [14, 10001, '03-01-2020'],
        [14, 10001, '05-02-2020'],
        [13, 10001, '05-02-2020']]

df = pd.DataFrame(data, columns=columns)

将sold_date列转换为正确的日期（我不知道日期的第一部分还是第二部分代表月/日，所以这可能是错误的）：

df['sold_date'] = [dt.date(int(date[6:]), int(date[3:5]), int(date[:2]))
                   for date in df['sold_date'].values]

设置一个涵盖天数范围的数组（这是全局完成的，即不是针对每个 mall_id 和 product_id 组合）：

start, end = df['sold_date'].min(), df['sold_date'].max()
days = np.array([start + dt.timedelta(days=i)
                 for i in range((end - start).days + 1)])

将索引从列 mall_id 和 product_id 更改为多索引：

df.set_index(['mall_id', 'product_id'], drop=True, inplace=True)
df.sort_index(inplace=True)

遍历 mall_id 和 product_id 组合，创建相应的向量，并将其存储在字典中：

# Initialising dictionary for results
sales = {m_id: {} for m_id, _ in df.index}
# Loop over index
for m_id, p_id in df.index:
    # Determining on which days sales happened
    sale_days = np.array([(1 if day in df.loc[(m_id, p_id)].values else 0)
                          for day in days])
    # Storing result in dictionary
    sales[m_id][p_id] = sale_days

【讨论】：

【解决方案2】：

试试：

def trans_dt(x):
    m, M = x.min(), x.max()
    r = [1 if x.eq(m+pd.to_timedelta(d, unit="D")).any() else 0 for d in range((M-m).days+1)]
    return r

# only if not done already:
df["sold_date"] = pd.to_datetime(df["sold_date"], format="%d-%m-%Y")

res = df.groupby(["mall_id", "product_id"], as_index=False)["sold_date"].agg(trans_dt)

输出：

>>> res

   mall_id  ...                                          sold_date
0       13  ...  [1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...
1       13  ...                                                [1]
2       14  ...  [1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ...

【讨论】：