如果日期在其他兩個列中的兩個日期之間，則求和並分組並創建新的分組數據框 - pandas

Question

我有以下數據框：

我需要的是總結每個“標題”的綜合瀏覽量值並創建兩個新列：

1. PT+3：前3天的瀏覽量，表示瀏覽量的“日期”欄是否在“發布日期”和“T+3”日期之間。
2. PT+30：是前30天不包括前3天的瀏覽量，即如果“日期”在T+3到T+30之間。

所以我的最終表格將是這樣的：帖子 ID - 發布日期 - 標題 - 永久鏈接 - 類別 - 作者姓名 - 總頁面瀏覽量（這是沒有任何過濾器的頁面瀏覽量的總和） - 國家 - PT+3 - PT+30

謝謝...

  Post ID Published Date                          Title  \
0   824821     2022-05-10  Tom Brady's net worth in 2022   
1   824821     2022-05-10  Tom Brady's net worth in 2022   
2   824821     2022-05-10  Tom Brady's net worth in 2022   

                                           Permalink  \
0  https://clutchpoints.com/tom-bradys-net-worth-...   
1  https://clutchpoints.com/tom-bradys-net-worth-...   
2  https://clutchpoints.com/tom-bradys-net-worth-...   

                                Categories  Author Name        T+3       T+30  \
0  Editorials|Evergreen|NFL|NFL Editorials  Greg Patuto 2022-05-13 2022-06-09   
1  Editorials|Evergreen|NFL|NFL Editorials  Greg Patuto 2022-05-13 2022-06-09   
2  Editorials|Evergreen|NFL|NFL Editorials  Greg Patuto 2022-05-13 2022-06-09   

     country  pageviews        date  
0  Australia         24  2022-05-26  
1      India         24  2022-05-24  
2      India         12  2022-05-26  

在此處輸入圖像描述

Answer 1

好的，所以我懷疑這是最好的方法，但這就是我解決類似問題的方法。

注意：您必須將日期列轉換為日期時間類型才能進行比較。 這可能會解決其他評論者的錯誤

df['Published Date'] = pd.to_datetime(df['Published Date']).apply(lambda x: x.date())
df['date'] = pd.to_datetime(df['date']).apply(lambda x: x.date())

首先，我為 output dataframe 格式創建了一個字典：

aggregate_df = {'Post Id':[],'Published Date':[],'Title':[],'Permalink':[],'Categories':[],'Author Name':[],'Total Page Views':[],'PT+3':[],'PT+30':[]}

然后我遍歷標題列中的每個唯一標題，並為每個標題過濾 dataframe。 然后我將每個值附加到 output 字典（其中大多數是 .max() ，但你也可以使用 [0] 例如，你選擇哪個值並不重要，因為它們是相同的 - 在總頁之外您想要總和的視圖）。

然后，您可以進一步過濾 temp df 以僅顯示您要計算的范圍內的日期，並將 append 這些總和添加到 output 字典中。

for title in df['Title'].unique():
    _df = df.loc[(df['Title'] == title)]
    
    aggregate_df['Post Id'].append(_df['Post_Id'].max())
    aggregate_df['Published Date'].append(_df['Published Date'].max())
    aggregate_df['Title'].append(_df['Title'].max())
    aggregate_df['Permalink'].append(_df['Permalink'].max())
    aggregate_df['Categories'].append(_df['Categories'].max())
    aggregate_df['Author Name'].append(_df['Author Name'].max())
    aggregate_df['Total Page Views'].append(_df['Page Views'].sum())
    
    start_period = _df['Published Date'].max()
    end_period = _df['Published Date'].max() + dt.timedelta(days=3)
    
    _df = df.loc[(df['Title'] == title) & (df['date'] >= start_period)& (df['date'] <= end_period)]
    aggregate_df['PT+3'].append(_df['Page Views'].sum())
    
    start_period = _df['Published Date'].max() + dt.timedelta(days=3)
    end_period = _df['Published Date'].max() + dt.timedelta(days=30)
    
    _df = df.loc[(df['Title'] == title) & (df['date'] >= start_period) & (df['date'] <= end_period)]
    aggregate_df['PT+30'].append(_df['Page Views'].sum())

aggregate_df = pd.DataFrame(aggregate_df)

Answer 2

IIUC，嘗試：

1. 檢查視圖的“日期”是否在發布日期后的 3（和 30）天內。
2. 聚合滿足上述條件的視圖。
3. groupby和sum

df["Views3"] = df["date"].le(df["T+3"]).mul(df["pageviews"]).groupby(df["Title"]).transform("sum")
df["Views30"] = df["date"].le(df["T+30"]).mul(df["pageviews"]).groupby(df["Title"]).transform("sum")