python - 基于项目的 SUM

Question

我正在尝试建立一个时间段，假设在这种情况下为 30 天，在该时间段内每个 ID 和 Project 添加 Amount。

基本上，30 天总和的开始时间必须是在开始日期之前首次看到 ID 和项目的时间。然后，如果在 30 天内再次看到相同的 ID 和项目，则应将其添加到前一个。 30 天后，如果出现相同的 ID 和项目，另一个 SUM() 应该开始，另一个 30 天 SUM()。

经过大量的 QA 和帮助，我遇到了一个我无法解决的错误 - 我非常感谢任何人的时间和解决方案的帮助。

输入数据框是:

ID  Project Amount  Start Date
2345    251 3       3/20/17
3456    251 50      4/10/17
1234    203 75      4/12/17
1234    203 100     4/13/17
2345    251 4       4/16/17
3456    251 125     4/28/17
3456    251 300     4/28/17
3456    251 50      3/22/18
3456    251 100     3/23/18
1234    203 1       5/29/18
1234    203 2       5/29/18
1234    203 29.65   5/29/18
3456    251 43.75   6/5/18

预期输出:

ID  Project Period  Amount
1234    203 0       175
1234    203 9       32.65
2345    251 0       7
3456    251 0       475
3456    251 7       150
3456    251 9       43.75

实际输出:

ID  Project Period  Amount
1234    203 0       175
1234    203 9       32.65
2345    251 0       7
3456    251 0       50
3456    251 5       425
3456    251 7       150
3456    251 9       43.75

如您所见，425 和 50 由于某种原因没有加在一起。实际应该显示 475，从 2017 年 4 月 10 日的 50，到 2017 年 4 月 28 日的 125，到 17 年 4 月 28 日的 300。

我确实也尝试过按 Project 对“sort_values”进行排序，但这没有用。再次感谢您的帮助，谢谢!

Answer 1

您基本上是在研究孤岛和缺口问题。对于具有相同 ID 和 Project 的行，一个“孤岛”跨越 30 天。 Start Date 在此期间内的任何行都归入同一个岛。否则，他们将开始一个新的“岛屿”。

def summarize(x):
    date = x['Start Date'].iloc[0]
    islands = [date]
    gap = pd.Timedelta(days=30)

    for d in x['Start Date'].iloc[1:]:
        date = d if (d - date) > gap else date
        islands.append(date)

    return x.groupby(islands).agg({
        'Amount': 'sum'
    })

df.sort_values('Start Date').groupby(['ID', 'Project']).apply(summarize)

输出:

                         Amount
ID   Project                   
1234 201     2018-07-16  100.00
     203     2017-04-13  200.00
             2018-05-29   81.65
             2018-07-01  645.34
2345 203     2018-08-13   95.12
             2019-04-12   10.00
     251     2017-04-11    7.00
3456 251     2018-03-23  150.00
             2018-06-05   43.75