python - 如何根据某些条件迭代 Pandas DataFrame 以创建新的 DateFrame

Question

我已经将一个 csv 文件导入到带有销售管道数据的 Pandas DataFrame 中。每行代表一个机会，包括潜在客户名称、产品信息、管道阶段、概率、预期交易规模、预期结束日期、持续时间等。
现在我想将其转换为销售预测，我想通过将交易规模除以持续时间乘以概率来计算每个时期的平均收入。然后根据预期关闭日期和持续时间为所有可能的期间创建一行。
我创建了一个简化的示例来支持我的问题:

import pandas as pd

pipeline_data = [{'Client': 'A', 'Stage': 'suspect', 'Probability': '0.25', 'Dealsize': '1200', 'Duration': 6, 'Start_period': '2020-08'}, {'Client': 'B', 'Stage': 'prospect', 'Probability': '0.60', 'Dealsize': '1000', 'Duration': 4, 'Start_period': '2020-10'}]

df = pd.DataFrame(pipeline_data)
df

输出:

    Client  Stage    Probability Dealsize   Duration    Start_period
0   A       suspect  0.25        1200       6           2020-08
1   B       prospect 0.60        1000       4           2020-10

因此，客户每月的平均收入为 1200/6 * 0.25 = 50。收入将在 2020-08 - 2021-01 期间下降(因此从 2020 年 8 月到 2021 年 1 月)。
首选输出将是:

    Client  Stage    Probability Dealsize   Duration    Start_period Weighted_revenue Period
0   A       suspect  0.25        1200       6           2020-08      50               2020-08
1   A       suspect  0.25        1200       6           2020-08      50               2020-09
2   A       suspect  0.25        1200       6           2020-08      50               2020-10 
3   A       suspect  0.25        1200       6           2020-08      50               2020-11
4   A       suspect  0.25        1200       6           2020-08      50               2020-12
5   A       suspect  0.25        1200       6           2020-08      50               2021-01
6   B       prospect 0.60        1000       4           2020-10      150              2020-10
7   B       prospect 0.60        1000       4           2020-10      150              2020-11
8   B       prospect 0.60        1000       4           2020-10      150              2020-12
9   B       prospect 0.60        1000       4           2020-10      150              2021-01

我已经将 Start_period 转换为 Period 类型，因此它可以用于计算/迭代。
我对编码很陌生。我试图在这个网站和其他网站上找到答案，但直到现在还没有成功。我可以想象使用某种嵌套循环和附加函数来解决这个问题，但我不知道如何将它与 Pandas 一起使用...
任何帮助将不胜感激!

Answer 1

您可以尝试使用列表理解，pd.date_range和 explode

df['Weighted_revenue']=(df['Dealsize'].astype(float)/df['Duration'].astype(float))*df['Probability'].astype(float)
df['Period']=[pd.date_range(x, periods=y, freq="M").strftime('%Y-%m') for x,y in zip(df["Start_period"], df["Duration"])]
df=df.explode('Period')

输出:

df
  Client     Stage Probability Dealsize  Duration Start_period  Weighted_revenue   Period
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-08
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-09
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-10
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-11
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-12
0      A   suspect        0.25     1200         6      2020-08              50.0  2021-01
1      B  prospect        0.60     1000         4      2020-10             150.0  2020-10
1      B  prospect        0.60     1000         4      2020-10             150.0  2020-11
1      B  prospect        0.60     1000         4      2020-10             150.0  2020-12
1      B  prospect        0.60     1000         4      2020-10             150.0  2021-01

详情:
首先我们创建 'Weighted_revenue'带有您描述的公式的列:

df['Weighted_revenue']=(df['Dealsize'].astype(float)/df['Duration'].astype(float))*df['Probability'].astype(float)
df

  Client     Stage Probability Dealsize  Duration Start_period  Weighted_revenue
0      A   suspect        0.25     1200         6      2020-08              50.0
1      B  prospect        0.60     1000         4      2020-10             150.0

然后，我们使用列表推导式，使用 zip , 基于 'Start_period' 创建日期范围和 'Duration'列

df['Period']=[pd.date_range(x, periods=y, freq="M").strftime('%Y-%m') for x,y in zip(df["Start_period"], df["Duration"])]
df

  Client     Stage Probability Dealsize  Duration Start_period  Weighted_revenue                                             Period
0      A   suspect        0.25     1200         6      2020-08              50.0  [2020-08, 2020-09, 2020-10, 2020-11, 2020-12, 2021-01]
1      B  prospect        0.60     1000         4      2020-10             150.0               [2020-10, 2020-11, 2020-12, 2021-01]

最后我们使用 explode展开列表:

df=df.explode('Period')
df 

 Client     Stage Probability Dealsize  Duration Start_period  Weighted_revenue   Period
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-08
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-09
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-10
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-11
0      A   suspect        0.25     1200         6      2020-08              50.0  2020-12
0      A   suspect        0.25     1200         6      2020-08              50.0  2021-01
1      B  prospect        0.60     1000         4      2020-10             150.0  2020-10
1      B  prospect        0.60     1000         4      2020-10             150.0  2020-11
1      B  prospect        0.60     1000         4      2020-10             150.0  2020-12
1      B  prospect        0.60     1000         4      2020-10             150.0  2021-01