計算MRRデータフレーム

Question

は、私はいくつかの基本的なBI指標を計算します。私は日付のデータフレームをグループ化することにより、売上高を達成しましたし、価格を合計：

df = df[["Date", "Price"]].groupby(df['Date'])["Price"].sum().reset_index()

は今、私は純収益に似ている、MRRを見つけたいが、場合には、列の数ヶ月は、より多くを持っています1カ月以上であれば、価格は次の月に均等に "移動"する必要があります。また、それは月単位でグループ分けされており、日単位ではありません。

たとえば、私が2016年1月に3ヶ月間に30ドルの行を持っている場合、1月に10ドル、2月に10ドル、3月に10ドルを追加する必要があります。

私の最初のアイデアは、データフレームを繰り返し、次の月に "移動"して新しいデータフレームを手動で作成する必要がある月数と金額を把握することでした。

しかし、最初に、パンダにそれを行うためのPythonicの方法はありますか？

データのデータフレームを再現する：

import pandas as pd 
df = pd.DataFrame({'date': ['01-01-2016', '05-01-2016', '10-01-2016','04-02-2016'], 
        'months': [1, 3, 1, 6], 
        'price': [40, 60, 20, 60]}) 

望ましい結果：

Date   | MRR 
January 2016 | 80 
February 2016| 30 
March 2016 | 10 
April 2016 | 10 
May 2016  | 10 
June 2016 | 10 
July 2016 | 10 

そして

January 2016 = 40 + 20 + 20 + 0 
February 2016 = 0 + 20 + 0 + 10 
March 2016 = 0 + 0 + 0 + 10 
April 2016 = 0 + 0 + 0 + 10 
May 2016 = 0 + 0 + 0 + 10 
June 2016 = 0 + 0 + 0 + 10 
July 2016 = 0 + 0 + 0 + 10 

Answer 1

行ごとに、次のように計算した結果、私は知りませんどのような方法でもループを使用することができます。しかし、コードをきれいで効率的にする方法を提案できます。

まず、あなたが質問テキストで供給される例のデータをロードしてみましょう：

df = pd.DataFrame({'date': ['01-01-2016', '05-01-2016', '10-01-2016','04-02-2016'], 
        'months': [1, 3, 1, 6], 
        'price': [40, 60, 20, 60]}) 

（例えば、月ごとにグループ化）パンダの日付機能を使用するために、我々はインデックスとしてdate列を使用します。実際にDateTimeIndex：今すぐ

df['date'] = pd.to_datetime(df['date'], format='%d-%m-%Y') 
df = df.set_index('date') 

は、それは、例えば、あなたが既に知っているgroupby機能と同じように動作resample関数を使用して、月ごとの要約を表示するには、本当に簡単です、しかし、時間使用しています期間：今

df.resample('M').sum() 

months列が複数ヶ月間で> 1である行を「広がる」します。ここでの私のアプローチは、行ごとに新しいDataFrameを生成することです：

dfs = [] 
for date, values in df.iterrows(): 
    months, price = values 
    dfs.append(
     pd.DataFrame(
      # Compute the price for each month, and repeat this value 
      data={'price': [price/months] * months}, 
      # The index is a date range for the requested number of months 
      index=pd.date_range(date, periods=months, freq='M') 
     ) 
    ) 

今、私たちはただ、DataFrameのリストを連結ヶ月にリサンプリングし、合計を取ることができます。

pd.concat(dfs).resample('M').sum() 

は出力：

  price 
2016-01-31  80 
2016-02-29  30 
2016-03-31  30 
2016-04-30  10 
2016-05-31  10 
2016-06-30  10 
2016-07-31  10 

パンダが時間に関して行うことができるすべてのクールなものについてはhttp://pandas.pydata.org/pandas-docs/stable/timeseries.htmlを参照してください。

output.index = output.index.strftime('%B %Y') 

この中で結果：あなたは、いくつかのおもちゃのデータを供給することによって、この問題がさらに良く作ることができ

   price 
January 2016  80 
February 2016  30 
March 2016  30 
April 2016  10 
May 2016   10 
June 2016   10 
July 2016   10