传播日期 pandas 并进行插值

Question

我们有一些现成的特定时期的销售数据，例如 1 周、1 个月...1 年：

time_pillars = pd.Series(['1W', '1M', '3M', '1Y'])
sales = pd.Series([4.75, 5.00, 5.10, 5.75])
data = {'time_pillar': time_pillars, 'sales': sales}
df = pd.DataFrame(data)

我想做两个手术。首先，创建一个日期类型为 df['date'] 的新列，它对应于从现在开始的 1 周、1 个月..1 年的实际日期。

然后，我想创建另一个列 df['days_from_now']，计算这些支柱上的天数（1 周为 7 天，1 个月为 30 天左右..1 年为 365 天左右）。

这样做的目标是使用任何一天作为简单 linear_interpolation_method() 的输入来获取任何给定日期的销售数据（例如，4Octobober2018 的销售额是多少？---> 我们会在 3 个月和 1 年之间插入）。非常感谢。

Answer 1

我不太确定你的插值是什么意思，但这里有一种在 pandas 中制作数据框的方法（从你在 [=37] 中提供的原始 df 开始=]):

from datetime import datetime
from dateutil.relativedelta import relativedelta

def create_dates(df):
    df['date'] = [i.date() for i in 
                   [d+delt for d,delt in zip([datetime.now()] * 4 , 
                   [relativedelta(weeks=1), relativedelta(months=1), 
                       relativedelta(months=3), relativedelta(years=1)])]]
    df['days_from_now'] = df['date'] - datetime.now().date()
    return df

create_dates(df)

   sales time_pillar        date days_from_now
0   4.75          1W  2018-04-11        7 days
1   5.00          1M  2018-05-04       30 days
2   5.10          3M  2018-07-04       91 days
3   5.75          1Y  2019-04-04      365 days

我将它包装在一个函数中，这样您就可以在任何给定的一天调用它，并从那天起获得 1 周、3 周等的结果。

注意：如果您希望 days_from_now 只是天数的整数，请在函数中使用 df['days_from_now'] = [i.days for i in df['date'] - datetime.now().date()]，而不是 df['days_from_now'] = df['date'] - datetime.now().date()

解释：

df['date'] = [i.date() for i in 
               [d+delt for d,delt in zip([datetime.now()] * 4 , 
               [relativedelta(weeks=1), relativedelta(months=1), 
                   relativedelta(months=3), relativedelta(years=1)])]]

取今天（datetime.now()）日期重复4次的列表，加上relativedelta（时差）1周、1个月、3个月、1年，分别提取日期 (i.date() for ...)，最后使用结果列表创建一个新列。

df['days_from_now'] = df['date'] - datetime.now().date()

要简单得多，它只是从今天的日期中减去上面得到的那些新日期。结果是一个 timedelta 对象，pandas 方便地将其格式化为“n days”。

传播日期 pandas 并进行插值

Propagate dates pandas and interpolate

python

interpolation

pandas