python - 新数据框，其中包含付款月份支付的债务百分比

Question

我有两个数据框 df1和 df2 .
一位与客户 debt ，对方与客户payments与 dates .
我想创建一个新的数据框，其中包含付款当月支付的债务百分比，直到 01-2017 .

import pandas as pd

d1 = {'client number': ['2', '2','3','6','7','7','8','8','8','8','8','8','8','8'],
     'month': [1, 2, 3,1,10,12,3,5,8,1,2,4,5,8],
    'year':[2013,2013,2013,2019,2013,2013,2013,2013,2013,2014,2014,2015,2016,2017],
    'payment' :[100,100,200,10000,200,100,300,500,200,100,200,200,500,50]}

df1 = pd.DataFrame(data=d1).set_index('client number')
df1
d2 = {'client number': ['2','3','6','7','8'],
     'debt': [200, 600,10000,300,3000]}

df2 = pd.DataFrame(data=d2)


x=[1,2,3,4,5,6,7,8,9,10]
y=[2013,2014,2015,2016,2017]

for x in month and y in year
if df1['month']=x and df1['year']=year :
    df2[month&year] = df1['payment']/df2['debt']

对于所有客户来说，结果必须是这样的

我错过了什么？
感谢您的时间和帮助

Answer 1

先设置index两个数据帧 df1和 df2至 client number ，然后使用 Index.map 映射 df1 中的客户号码到他们对应的 debt's来自 df2 ，然后使用 Series.div 划分 payments每个客户由他们各自的 debt's ，从而获得已支付的债务比例，然后创建一个新列 date在 df1来自 month和 year列最终使用 DataFrame.join 连同 DataFrame.pivot_table :

df1 = df1.set_index('client number')
df2 = df2.set_index('client number')

df1['pct'] = df1['payment'].div(df1.index.map(df2['debt'])).round(2)
df1['date'] = df1['year'].astype(str) + '-' + df1['month'].astype(str).str.zfill(2)

df3 = (
    df2.join(
        df1.pivot_table(index=df1.index, columns='date', values='pct', aggfunc='sum').fillna(0))
    .reset_index()
)

结果:

# print(df3)

  client number   debt  2013-01  2013-02  2013-03  2013-05  2013-08  ...  2013-12  2014-01  2014-02  2015-04  2016-05  2017-08  2019-01
0             2    200      0.5      0.5     0.00     0.00     0.00  ...     0.00     0.00     0.00     0.00     0.00     0.00      0.0
1             3    600      0.0      0.0     0.33     0.00     0.00  ...     0.00     0.00     0.00     0.00     0.00     0.00      0.0
2             6  10000      0.0      0.0     0.00     0.00     0.00  ...     0.00     0.00     0.00     0.00     0.00     0.00      1.0
3             7    300      0.0      0.0     0.00     0.00     0.00  ...     0.33     0.00     0.00     0.00     0.00     0.00      0.0
4             8   3000      0.0      0.0     0.10     0.17     0.07  ...     0.00     0.03     0.07     0.07     0.17     0.02      0.0