尝试获取值 > 0 的当前或过去日期。将使用它来计算自值 > 0 以来的天数。如果日期具有值，则它将为 0 天。示例数据和所需结果如下所示。数据是“日期”和“值”列，结果是最后两列。date value 'date value > 0' 'days since value > 0'2020-04-30 0 2020-04-28 22020-04-29 0 2020-04-28 12020-04-28 1 2020-04-28 0 2020-03-31 6 2020-03-31 02020-03-30 1 2020-03-30 02020-03-29 3 2020-03-29 02020-02-29 0 2020-01-29 312020-01-31 0 2020-01-29 22020-01-30 0 2020-01-29 12020-01-29 1 2020-01-29 0数据格式可以是字典或数据框。我正在从 csv 导入并将导出回 csv。逻辑：对于每一行，过滤到仅日期 <= 当前行日期的记录，然后获取值 > 0 的过滤数据框的最大日期。最大日期是“日期值 > 0”。编辑：我一直在尝试按顺序迭代数据帧记录，例如pandas df.shift(), df.rolling()，df.iloc但坚持如何“回顾”以获取值 > 0 的先前记录的日期。
1 回答
qq_花开花谢_0
TA贡献1835条经验 获得超7个赞
假设您有一个类型data为“日期”列和datetime64类型为“值”列的数据框int64：
>>> data
date value
0 2020-04-30 0
1 2020-04-29 0
2 2020-04-28 1
3 2020-03-31 6
4 2020-03-30 1
5 2020-03-29 3
6 2020-02-29 0
7 2020-01-31 0
8 2020-01-30 0
9 2020-01-29 1
>>> data.dtypes
date datetime64[ns]
value int64
dtype: object
然后你可以按日期的升序对数据帧进行排序，然后创建一个新列“prevdate”来复制“date”列但设置为NaT值为 0 的行，如下所示：
data['prevdate'] = data['date'].where(data['value'].ne(0))
然后向前填充NaT值：
>>> data.sort_values('date', inplace=True)
>>> data['prevdate'] = data['date'].where(data['value'].ne(0)).fillna(method='ffill')
>>> data
date value prevdate
9 2020-01-29 1 2020-01-29
8 2020-01-30 0 2020-01-29
7 2020-01-31 0 2020-01-29
6 2020-02-29 0 2020-01-29
5 2020-03-29 3 2020-03-29
4 2020-03-30 1 2020-03-30
3 2020-03-31 6 2020-03-31
2 2020-04-28 1 2020-04-28
1 2020-04-29 0 2020-04-28
0 2020-04-30 0 2020-04-28
现在您可以简单地在两个日期列之间进行减法并将差值转换为整数：
>>> data['days'] = (data['date'] - data['prevdate']).apply(lambda x: x.days)
>>> data
date value prevdate days
9 2020-01-29 1 2020-01-29 0
8 2020-01-30 0 2020-01-29 1
7 2020-01-31 0 2020-01-29 2
6 2020-02-29 0 2020-01-29 31
5 2020-03-29 3 2020-03-29 0
4 2020-03-30 1 2020-03-30 0
3 2020-03-31 6 2020-03-31 0
2 2020-04-28 1 2020-04-28 0
1 2020-04-29 0 2020-04-28 1
0 2020-04-30 0 2020-04-28 2
添加回答
举报
0/150
提交
取消