每組Python熊貓的滾動日歷天總數

Question

我想計算一個“站”正在運行的所有日歷日的滾動累積總數。 我的數據集不包含該站未運行的天數。 但是我需要從開始日期開始計算每個站點運行的日歷天的滾動總和。

我在下面提供了代碼，該代碼創建了一個包含不同站點及其工作日的數據框。 我計算了滾動累積運行天數，現在我需要找到自開始日期以來日歷天的滾動累積數

import pandas as pd
import numpy as np

d = {'Date': ['2011-01-02','2011-01-04','2011-01-05',
              '2011-01-10','2011-01-14','2011-01-15',
              '2011-01-17','2011-01-19','2011-01-22'], 
     'Value': [2,4,66,22,1,2,4,7,9], 
     'Station_ID': ['A','A','A','A','B','B','B','B','B']}
df = pd.DataFrame(data=d)
df['Date'] = df['Date'].values.astype('datetime64[D]')

df

# this gives each stations rolling cumulative number of operating days
df['Rolling_Operating_Days'] = df.groupby('Station_ID')['Date'].rank(method='dense',ascending=True)
df 

我希望輸出看起來像這樣：

如您所見，“ rolling calendar_days”從“ station_ID”的日歷第1天開始，然后累加累計滾動總和。

因此，查看以下數據集，即使工作站僅運行了4或5天（“ Rolling_Operating_Days”），總日歷天（“ Rolling_Calendar_Days”）為9天。

    Date    Value   Station_ID  Rolling_Operating_Days  Rolling_Calendar_Days
0   2011-01-02  2   A           1.0                             1.0
1   2011-01-04  4   A           2.0                             3.0
2   2011-01-05  66  A           3.0                             4.0
3   2011-01-10  22  A           4.0                             9.0
4   2011-01-14  1   B           1.0                             1.0
5   2011-01-15  2   B           2.0                             2.0
6   2011-01-17  4   B           3.0                             4.0
7   2011-01-19  7   B           4.0                             6.0
8   2011-01-22  9   B           5.0                             9.0

我希望能夠計算“ Rolling_Calendar_Days”列。 有誰知道如何做到這一點？

Answer 1

我想我了解您要完成的工作。 您的示例的問題在於，如果開始日期不是1（2011-01-02）。 然后從2而不是1開始。解決方案是使用pd.series.diff()然后是cumsum

假設df_subset為：

    Date        Value   Station_ID  
1   2011-01-02  0.961571    A       
3   2011-01-04  -0.927761   A       
4   2011-01-05  0.340300    A       
9   2011-01-10  -1.805910   A       
13  2011-01-14  0.062959    B       
14  2011-01-15  -0.402931   B       
16  2011-01-17  0.696784    B       
18  2011-01-19  -0.039989   B       
21  2011-01-22  -0.547465   B       

那么你也能：

# create a func for groupby
def myFunc(x):
    return x['Date'].diff().dt.days.replace(np.nan,1).cumsum()

# apply function to group and reset index
df_subset['Rolling_Calendar_Days'] = df_subset.groupby('Station_ID').apply(myFunc).reset_index(level=0, drop=True)



    Date         Value  Station_ID  Rolling_Calendar_Days
1   2011-01-02  0.961571    A        1.0
3   2011-01-04  -0.927761   A        3.0
4   2011-01-05  0.340300    A        4.0
9   2011-01-10  -1.805910   A        9.0
13  2011-01-14  0.062959    B        1.0
14  2011-01-15  -0.402931   B        2.0
16  2011-01-17  0.696784    B        4.0
18  2011-01-19  -0.039989   B        6.0
21  2011-01-22  -0.547465   B        9.0

這假定您要開始日期從1開始而不是0