如果日期介于两个日期之间，则 Python Pandas 对列中的值求和

Question

我有一个数据框 df 可以用这个创建:

data={'id':[1,1,1,1,2,2,2,2],
      'date1':[datetime.date(2016,1,1),datetime.date(2016,1,2),datetime.date(2016,1,3),datetime.date(2016,1,4),
               datetime.date(2016,1,2),datetime.date(2016,1,4),datetime.date(2016,1,3),datetime.date(2016,1,1)],
      'date2':[datetime.date(2016,1,5),datetime.date(2016,1,3),datetime.date(2016,1,5),datetime.date(2016,1,5),
               datetime.date(2016,1,4),datetime.date(2016,1,5),datetime.date(2016,1,4),datetime.date(2016,1,1)],
      'score1':[5,7,3,2,9,3,8,3],
      'score2':[1,3,0,5,2,20,7,7]}
df=pd.DataFrame.from_dict(data)

And looks like this:
   id       date1       date2  score1  score2
0   1  2016-01-01  2016-01-05       5       1
1   1  2016-01-02  2016-01-03       7       3
2   1  2016-01-03  2016-01-05       3       0
3   1  2016-01-04  2016-01-05       2       5
4   2  2016-01-02  2016-01-04       9       2
5   2  2016-01-04  2016-01-05       3      20
6   2  2016-01-03  2016-01-04       8       7
7   2  2016-01-01  2016-01-01       3       7

我需要做的是为每个 score1 和 score2 创建一个列，这将创建两个列，对 score1 的值求和和 score2，根据 usedate 是否在 date1 和 date2 之间。 usedate 是通过获取介于(包括)date1 最小值和 date2 最大值之间的所有日期来创建的。我用它来创建日期范围:

drange=pd.date_range(df.date1.min(),df.date2.max())    

生成的数据框 newdf 应该如下所示:

     usedate  score1sum  score2sum
0 2016-01-01          8          8
1 2016-01-02         21          6
2 2016-01-03         32         13
3 2016-01-04         30         35
4 2016-01-05         13         26

为了澄清，在 usedate 2016-01-01，score1sum 为 8，这是通过查看 df 中的行计算得出的，其中2016-01-01 介于 date1 和 date2 之间，包括 row0(5) 和 row8(3)。在 usedate 2016-01-04 上，score2sum 为 35，这是通过查看 df 中的行计算得出的，其中 2016-01-04 是在 date1 和 date2 之间并包括在内，它对 row0(1)、row3(0)、row4(5)、row5(2)、row6(20)、row7( 7).

也许是某种groupby，或者melt 然后是groupby？

Answer 1

您可以将 apply 与 lambda 函数一起使用:

df['date1'] = pd.to_datetime(df['date1'])

df['date2'] = pd.to_datetime(df['date2'])

df1 = pd.DataFrame(index=pd.date_range(df.date1.min(), df.date2.max()), columns = ['score1sum', 'score2sum'])

df1[['score1sum','score2sum']] = df1.apply(lambda x: df.loc[(df.date1 <= x.name) & 
                                                            (x.name <= df.date2),
                                                            ['score1','score2']].sum(), axis=1)

df1.rename_axis('usedate').reset_index()

输出:

     usedate  score1sum  score2sum
0 2016-01-01          8          8
1 2016-01-02         21          6
2 2016-01-03         32         13
3 2016-01-04         30         35
4 2016-01-05         13         26