Python如何计算d之后30天的月份数

Question

我有一个包含日期的数据框，我想为特征工程处理如下数据

测向

date
2016/1/1
2015/2/10
2016/4/5

之后的过程，我想使df看起来像

date      Jan    Feb   Mar   Apr    
2016/1/1  30     0    0      0    //date from 1/1 to 1/30 : the number of dates in jan
2015/2/10  0     19   11     0    //date from 2/10 to 3/11 : the number of dates in feb and no of dates in mar
2016/3/25  0     0    7     21    //date from 3/25 to 4/21 : the number of dates in mar and no of dates in apr

1. 在df[“date”]之后30天

   df[“日期”]+时间差（月=1）

2. 计算属于特定30天的月份频率

有没有什么方法可以快速做到这一点？你知道吗

谢谢。你知道吗

Answer 1

一步一步走。首先，将原始日期偏移+ pd.to_timedelta('30d')。然后创建一个列，用df.date.dt.month表示月份。然后为每个日期创建一个带有月末日期的列—这里有一些想法：Want the last day of each month for a data frame in pandas。最后，填写一个矩阵，其中列是12个月，在列中设置月份和月份+1的值。你知道吗

通过一次充实一列数据帧，您可以轻松地从输入移动到所需的输出。不太可能有一个神奇的方法在一个调用中完成所有事情。你知道吗

阅读这里的所有关于日期/时间函数：https://pandas.pydata.org/pandas-docs/stable/timeseries.html-有很多！你知道吗

Answer 2

可以将自定义函数与^{}一起使用，将groupby与size一起使用：

date = df[['date']]
names = ['Jan', 'Feb','Mar','Apr','May']

def f(x):
    print (x['date'])
    a = pd.date_range(x['date'], periods=30)
    a = pd.Series(a).groupby(a.month).size()
    return (a)


df = df.apply(f, axis=1).fillna(0).astype(int)
df = df.rename(columns = {k:v for k,v in enumerate(names)})
df = date.join(df)
print (df)
        date  Feb  Mar  Apr  May
0 2016-01-01   30    0    0    0
1 2015-02-10    0   19   11    0
2 2016-03-25    0    0    7   23

---

与^{}类似的解决方案：

date = df[['date']]
names = ['Jan', 'Feb','Mar','Apr','May']

df = df.apply(lambda x: pd.date_range(x['date'], periods=30).month.value_counts(), axis=1)
       .fillna(0)
       .astype(int)
df = df.rename(columns = {k:v for k,v in enumerate(names)})
df = date.join(df)
print (df)

另一种解决方案：

names = ['Jan', 'Feb','Mar','Apr','May']
date = df[['date']]

df["date1"] = df["date"] + pd.Timedelta(days=29)
df = df.reset_index().melt(id_vars='index', value_name='date').set_index('date')
df = df.groupby('index').resample('D').asfreq()
df = df.groupby([df.index.get_level_values(0), df.index.get_level_values(1).month])
      .size()
      .unstack(fill_value=0)
df = df.rename(columns = {k+1:v for k,v in enumerate(names)})
df = date.join(df)
print (df)
        date  Jan  Feb  Mar  Apr
0 2016-01-01   30    0    0    0
1 2015-02-10    0   19   11    0
2 2016-03-25    0    0    7   23