主页 / 问题 / 947453
Accepted
Pavel
Asked:2020-02-21 14:40:38 +0000 UTC2020-02-21 14:40:38 +0000 UTC

统计特定时间段内的交易

  • 772

同事们，根据给定的条件帮助形成一个 DataFrame。

有一个初始的DataFrame：

ID   №Policy   Request     Request date     Decision
123   23ff      10000     2018-01-28 11:36    0
123   23ff      10000     2018-01-29 10:00    5000
123   42rd      25000     2018-06-18 15:10    25000
123   42rd      30000     2018-08-18 18:00    30000
345   23ff      15000     2018-01-28 12:00    10000 
345   27fg      50000     2018-09-30 17:35     0
345   81er      30000     2018-09-30 10:15    10000
345   81er      30000     2018-10-20 11:30    10000
678   12rt      55000     2018-12-01 09:25    0
678   12rt      55000     2018-12-15 12:00    45000

需要在保单号的框架内计算每个 ID 的决定数（Decisions），但是，如果在一个月内多次对同一保单号内的 ID 做出决定，则有以下限制, 那么这样的决定等于 1（即一个月内，一个保单号内的一个 ID 可能有多个决定 2、3 或更多 - 如果一切都在一个月内完成，那么无论请求的数量如何，它应该认为这是 1 个决定）。

结果应该是这样的

ID   №Policy   Request     Request date     Decision       count
    123   23ff      10000     2018-01-28 11:36    0          0   
    123   23ff      10000     2018-01-29 10:00    5000       1
    123   42rd      25000     2018-06-18 15:10    25000      1
    123   42rd      30000     2018-08-18 18:00    30000      1
    345   23ff      15000     2018-01-28 12:00    10000      1
    345   27fg      50000     2018-09-30 17:35     0         1
    345   81er      30000     2018-09-30 10:15    10000      0
    345   81er      30000     2018-10-20 11:30    10000      1
    678   12rt      55000     2018-12-01 09:25    0          0
    678   12rt      55000     2018-12-15 12:00    45000      1

我不知道在这里写什么算法:(

python

1 个回答

  1. Best Answer

    如果我正确理解了这个问题：

    In [209]: df['count'] = (df.groupby(['ID','NPolicy',pd.Grouper(key='Request_date', freq='MS')])
                           ['Decision']
                           .cumcount().eq(0).astype('int'))

In [210]: df
Out[210]:
    ID NPolicy  Request        Request_date  Decision  count
0  123    23ff    10000 2018-01-28 11:36:00         0      1
1  123    23ff    10000 2018-01-29 10:00:00      5000      0
2  123    42rd    25000 2018-06-18 15:10:00     25000      1
3  123    42rd    30000 2018-08-18 18:00:00     30000      1
4  345    23ff    15000 2018-01-28 12:00:00     10000      1
5  345    27fg    50000 2018-09-30 17:35:00         0      1
6  345    81er    30000 2018-09-30 10:15:00     10000      1
7  345    81er    30000 2018-10-20 11:30:00     10000      1
8  678    12rt    55000 2018-12-01 09:25:00         0      1
9  678    12rt    55000 2018-12-15 12:00:00     45000      0
    • 1

相关问题