获取某个类别的上一个日期的新列（Python）

Question

我正在尝试创建某个预测模型。我决定用 这次用python代替DAX(pbi)来学习python。

我有 2 列与此问题相关：客户和日期。 每行都是在该特定日期为该客户创建的发票。

我正在尝试为每一行（发票）获取上一个发票日期。了解这一点很重要 新列必须考虑客户，这意味着对于每个客户的发票，我想获得发票的上一个日期。

这就是它的样子：

data = [['A', 17/07/2020], ['B', 15/07/2020], ['C', 14/07/2020], ['C', 10/07/2020], ['B', 09/07/2020]]
df = pd.DataFrame(data, columns = ['Customer', 'Date'])
print(df)

Customer Date
A        17/07/2020
B        15/07/2020
C        14/07/2020
C        10/07/2020
B        09/07/2020  

这是我寻求的结果：

Customer Date        PrevInvoiceDate
A        17/07/2020  NaT
B        15/07/2020  09/07/2020
C        14/07/2020  10/07/2020
C        10/07/2020  NaT
B        09/07/2020  NaT

我尝试使用 pandas 的 shift、loc、filter 等。但没有运气， 我将很感激学习正确的方法来进行这种操作并向大家学习。 谢谢。

Answer 1

试试这个：

import pandas as pd
data = [['A', '17/07/2020'], ['B', '15/07/2020'], ['C', '14/07/2020'], ['C', '10/07/2020'], ['B', '09/07/2020']]
df = pd.DataFrame(data, columns = ['Customer', 'Date'])
df=df.sort_values(by=['Customer','Date'])
df['test']=df.groupby('Customer')['Date'].shift()
print(df)
  Customer        Date        test
0        A  17/07/2020         NaN
4        B  09/07/2020         NaN
1        B  15/07/2020  09/07/2020
3        C  10/07/2020         NaN
2        C  14/07/2020  10/07/2020

Answer 2

首先，您的Date 列的类型似乎是字符串而不是日期时间。让我们将其转换为日期时间。然后，按Date 对数据框进行排序。

df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values('Date')

# Output:
Customer    Date
0   A   17/07/2020
1   B   15/07/2020
2   C   14/07/2020
3   C   10/07/2020
4   B   09/07/2020

然后，将数据帧按Customer 分组，然后使用apply() 函数。对于每个组（特定客户的所有发票），将 Date 列移动 1。

df['PrevInvoiceDate'] = df.groupby('Customer')['Date'].shift(periods=1)

# Output:
Customer    Date    PrevInvoiceDate
2   C   2020-07-14  NaT
1   B   2020-07-15  NaT
0   A   2020-07-17  NaT
4   B   2020-09-07  2020-07-15
3   C   2020-10-07  2020-07-14

此外，shift() 函数默认会将列值向下移动 1，因此您可以摆脱 periods=1。我在这里只是为了确保您了解它的作用。

最后，如果您想恢复原来的日期格式，我们可以将日期时间转换回字符串。

df['Date'] = df['Date'].dt.strftime('%d/%m/%Y')
df['PrevInvoiceDate'] = df['PrevInvoiceDate'].dt.strftime('%d/%m/%Y')

df.sort_index()  # (Optional) Sort the dataframe by its original index

# Output:
    Customer    Date    PrevInvoiceDate
0   A   17/07/2020  NaN
1   B   15/07/2020  NaN
2   C   14/07/2020  NaN
3   C   07/10/2020  14/07/2020
4   B   07/09/2020  15/07/2020

Answer 3

这是一个卷发。一种方法是left merge df 和groupby 结果，使用apply 选择每个组中的最后一个。选择重复的索引并将它们清空

     import numpy as np
df2=df.merge(df.groupby('Customer')['Date'].apply(lambda x: x.iloc[1:]).\
             reset_index().rename(columns={'Date':'PrevInvoiceDate'}),\
             how='left',on='Customer').drop(columns=['level_1'])

df2.loc[df2.loc[df2["PrevInvoiceDate"].duplicated('first')].\
        index,'PrevInvoiceDate']=np.nan



     Customer        Date      PrevInvoiceDate
0        A       17/07/2020             NaN
1        B       15/07/2020      09/07/2020
2        C       14/07/2020      10/07/2020
3        C       10/07/2020             NaN
4        B       09/07/2020             NaN