Início / coding / Perguntas / 79202065
Accepted
hoa tran
Asked: 2024-11-19 12:13:19 +0800 CST

Como somar dados por data de entrada, mês e mês anterior

  • 772

Estou tentando somar dados da data selecionada, mês da data selecionada e mês anterior da data selecionada, mas não sei como fazer. Abaixo estão meus dados de exemplo e minha Saída esperada:

Dados de amostra:

import pandas as pd
import numpy as np
df = pd.read_excel('https://github.com/hoatranobita/hoatranobita/raw/refs/heads/main/Check%20data%20(1).xlsx', sheet_name='Data')
df

    COA Code    USDConversion Amount    Base Date 2
0   19010000000 26924582.44 2024-10-01
1   19010000000 38835600.44 2024-10-02
2   19010000000 46794586.57 2024-10-03
3   19010000000 57117346.49 2024-10-06
4   19010000000 69256132.98 2024-10-07
... ... ... ...
65  58000000000 38082130.88 2024-11-12
66  58000000000 38140016.13 2024-11-13
67  58000000000 38160089.27 2024-11-14
68  58000000000 38233974.54 2024-11-17
69  58000000000 38323598.99 2024-11-18

Então, se eu selecionar a data de novembro (por exemplo 2024-11-18, quero agrupar por data selecionada, mês da data selecionada e mês anterior da data selecionada).

Saída:

COA Code        2024-11-18  October         November
0   19010000000 42625047.24 1354513618.61   584813860.97
1   58000000000 38323598.99 820927014.08    456265522.64
python

1 respostas

  1. Best Answer

    A generalização exata da sua pergunta não está totalmente clara, mas supondo que você queira agrupar por Código COA, você pode garantir que tudo seja uma data/hora/períodos, então selecionar as linhas apropriadas com indexação booleana e between, finalmente, executar uma groupby.sumdessas linhas e concatpara as linhas de data originais.

    Aqui como uma função para maior clareza:

    def get_previous(df, date, date_col='Base Date 2'):
    # ensure working with datetime/period objects
    date = pd.Timestamp(date)
    period = date.to_period('M')
    dt = pd.to_datetime(df[date_col])
    p = dt.dt.to_period('M')
    # select rows to keep
    m = p.between(period-1, period, inclusive='both')
    
    # produce rows with original date
    # aggregate previous and current month
    # combine and rename the columns
    return pd.concat([
          df[df[date_col].eq(date)]
           .set_index('COA Code')['USDConversion Amount']
           .rename(date.strftime('%Y-%m-%d')),
        
          df[m].groupby(['COA Code', p])['USDConversion Amount']
           .sum().unstack(date_col)
           .rename(columns=lambda x: x.strftime('%B')) 
          ], axis=1).reset_index()


out = get_previous(df, '2024-11-18')

    Saída:

          COA Code   2024-11-18       October      November
0  58000000000  38323598.99  8.209270e+08  4.562655e+08

    NB. você pode substituir groupby.sum+ unstackpor pivot_table( df[m].assign(col=p).pivot_table(index='COA Code', columns='col', values='USDConversion Amount', aggfunc='sum')).

    • 1

relate perguntas