python - 条件重采样 - Pandas

Question

我有一种情况，我想根据契约(Contract)开始日期、结束日期和总支出来计算每日支出。下一步是按月汇总每日支出金额。这非常简单，稍后我将展示我如何完成。然而，还有另一个日期(inv date)；如果开始在inv date之前，则应将inv date之前的所有每日金额相加并包含在与相同的期间内库存日期。

首先，简单的部分。

df = pd.DataFrame({'start': ['1/1/2018'], 
               'end': ['3/15/2018'], 
               'inv date': ['2/1/2018'],
               'spend': [400]})


         start        end   inv date    spend
0     1/1/2018  3/15/2018   2/1/2018      400

创建契约(Contract)的日期范围

prd = pd.period_range(df.loc[0, 'start'], df.loc[0, 'end'], freq='D')
prd = pd.Series(1, prd) # empty series to get the number of days in the monthly period
prd = prd.resample('M').size() * (df.loc[0, 'spend'] / prd.resample('M').size().sum())

这给了我以下系列:按月分配的总支出，基于该月的天数......到目前为止，一切顺利。

prd

2018-01    167.567568
2018-02    151.351351
2018-03     81.081081
Freq: M, dtype: float64 

困难的部分(对我来说)

正如我上面提到的，根据inv date，该系列实际上应该如下所示:

2018-01             0 
2018-02    318.918919
2018-03     81.081081
Freq: M, dtype: float64

因为inv date 在start 日期之后，所以我不想在inv date 之后添加它。 仅供引用:318 = 167 + 151(即上述 2/2018 的总数)。

这可以通过重新采样实现吗？如果没有，最有效的方法是什么？

Answer 1

从“简单部分”部分末尾的 df 和 prd 开始:

# Get the inv date as a pandas Timestamp
invdate = pd.to_datetime(df['inv date'])[0]
oneday = pd.offsets.Day(1)
# Pandas slicing includes BOTH endpoints, so we need this one-day 
# offset to get all values strictly before the inv date
prd.loc[invdate] = prd[invdate] + prd[:invdate - oneday].sum()
prd.loc[:invdate - oneday] = 0

# output
2018-01      0.000000
2018-02    318.918919
2018-03     81.081081
Freq: M, dtype: float64