python - Pandas - 对于一列中的给定日期，另一列中有多少个日期小于该日期？

Question

我有下表:

id | invoice_date | payment_date
--------------------------------
1  | 2017-03-01   | 2017-03-03
1  | 2017-03-04   | 2017-03-06
1  | 2017-03-04   | 2017-03-11
1  | 2017-03-15   | 2017-03-16
1  | 2017-03-21   | 2017-03-31
2  | 2017-01-22   | 2017-01-22
2  | 2017-01-24   | 2017-01-25

我想知道:对于表中的任何给定索引，有多少个索引较小的付款日期小于索引的发票日期？即，对于给定的发票日期，有多少个付款日期较早发生？理想情况下，我想为每个 id (分组依据)执行此操作，所以我有类似的内容:

id | invoice_date | payment_date | num_pay_dates_less_than_inv_date
------------------------------------------------------------------
1  | 2017-03-01   | 2017-03-03   | 0
1  | 2017-03-04   | 2017-03-06   | 1
1  | 2017-03-04   | 2017-03-11   | 1
1  | 2017-03-15   | 2017-03-16   | 3
1  | 2017-03-21   | 2017-03-31   | 4
2  | 2017-01-22   | 2017-01-22   | 0
2  | 2017-01-24   | 2017-01-25   | 1

Answer 1

Numpy 解决方案。使用广播比较，然后沿第一个轴进行 cumsum 操作。最后提取对角元素并赋值给df。

v = (df.invoice_date[:, None] > df.payment_date.values).cumsum(1)
df['num_pay_dates_less_than_inv_date'] = v[np.diag_indices_from(v)]

df

   id invoice_date payment_date  num_pay_dates_less_than_inv_date
0   1   2017-03-01   2017-03-03                                 0
1   1   2017-03-04   2017-03-06                                 1
2   1   2017-03-04   2017-03-11                                 1
3   1   2017-03-15   2017-03-16                                 3
4   1   2017-03-21   2017-03-31                                 4
5   2   2017-01-22   2017-01-22                                 0
6   2   2017-01-24   2017-01-25                                 1

这要求两列都采用日期时间格式(否则，比较是按字典顺序进行的，这通常没问题，但这取决于您当时的日期格式)。