如何計算 pandas dataframe 中距離周末或休息日的天數

Question

我有 pandas dataframe 具有非連續日期索引（缺少周末和節假日）。 我想添加包含直到第二天休息的天數的列。

這是代碼生成示例 dataframe，在till_day_off列中具有所需的值：

import pandas as pd
​
df = pd.DataFrame(index=pd.date_range(start="2022-06-06", periods=15))
df["day_of_week"] = df.index.dayofweek   # adding column with number of day in a week
df = df[(df.day_of_week < 5)]   # remove weekends
df = df.drop(index="2022-06-15")   # remove Wednesday in second week
df["till_day_off"] = [5,4,3,2,1,2,1,2,1,1] # desired values, end of column is treated as day off

結果 dataframe：

	day_of_week	直到_day_off
2022-06-06	0	5
2022-06-07	1	4
2022-06-08	2	3
2022-06-09	3	2
2022-06-10	4	1
2022-06-13	0	2
2022-06-14	1	1
2022-06-16	3	2
2022-06-17	4	1
2022-06-20	0	1

真正的 dataframe 有超過 7_000 行，所以顯然我試圖避免對行進行迭代。 知道如何解決這個問題嗎？

Answer 1

假設一個已排序的輸入（如果不是，則按天排序），您可以使用掩碼來識別連續天，並使用它對它們進行分組並計算一個 cumcount：

mask = (-df.index.to_series().diff(-1)).eq('1d').iloc[::-1]
# reversing the Series to count until (not since) the value

df['till_day_off'] = mask.groupby((~mask).cumsum()).cumcount().add(1)

output：

            day_of_week  till_day_off
2022-06-06            0             5
2022-06-07            1             4
2022-06-08            2             3
2022-06-09            3             2
2022-06-10            4             1
2022-06-13            0             2
2022-06-14            1             1
2022-06-16            3             2
2022-06-17            4             1
2022-06-20            0             1

中間體：

mask

2022-06-20    False
2022-06-17    False
2022-06-16     True
2022-06-14    False
2022-06-13     True
2022-06-10    False
2022-06-09     True
2022-06-08     True
2022-06-07     True
2022-06-06     True
dtype: bool

(~mask).cumsum()

2022-06-20    1
2022-06-17    2
2022-06-16    2
2022-06-14    3
2022-06-13    3
2022-06-10    4
2022-06-09    4
2022-06-08    4
2022-06-07    4
2022-06-06    4
dtype: int64

Answer 2

創建缺失日期的 DataFrame，然后使用merge_asof與未來最接近的日期匹配，並計算直到那天休息的時間。

在這里，我假設休息日只是缺少日期，但這擴展到您有明確的要使用日期列表的情況。

import pandas as pd

# DataFrame of missing dates, e.g. days off.
df1 = pd.DataFrame({'day_off': pd.date_range(df.index.min(), df.index.max()+pd.offsets.DateOffset(days=1), freq='D')})
df1 = df1[~df1['day_off'].isin(df.index)]

df = pd.merge_asof(df, df1, left_index=True, right_on='day_off', direction='forward')
df['till_day_off'] = (df['day_off'] - df.index).dt.days

---

print(df)

            day_of_week    day_off  till_day_off
2022-06-06            0 2022-06-11             5
2022-06-07            1 2022-06-11             4
2022-06-08            2 2022-06-11             3
2022-06-09            3 2022-06-11             2
2022-06-10            4 2022-06-11             1
2022-06-13            0 2022-06-15             2
2022-06-14            1 2022-06-15             1
2022-06-16            3 2022-06-18             2
2022-06-17            4 2022-06-18             1
2022-06-20            0 2022-06-21             1