时间戳

首页 > 解决方案 > 构建预测 Pandas DataFrame

python - 构建预测 Pandas DataFrame

问题描述

我在 Pandas 中有一个 DataFrame，其中包含如下所示的预测销售数据：

   | Date  | ProductID | Forecasted_Date | Sales |
---|-------|-----------|-----------------|-------|
 0 | 1_Jan | 1         | 2_Jan           | 10    |
 1 | 1_Jan | 2         | 3_Jan           | 3     |
 2 | 1_Jan | 1         | 2_Jan           | 7     |
 3 | ...   |           |                 |       |
 4 | 2_Jan | 1         | 3_Jan           | 7     |

在每个日期，对于每个 ProductId，销售预测在前 1 到 20 天之间（Forecasted_date）。

我想创建一个新的 DataFrame，由“[Date, ProductID]”多索引并具有以下列：

| IND_Date | IND_ProductID | F1 | F2   | ... | F20 |
|----------|---------------|----|------|-----|-----|
| 1_Jan    | 1             | 10 | 3    |     |     |
| 1_Jan    | 2             | 7  | etc. |     |     |
| ...      |               |    |      |     |     |
| 2_Jan    | 1             | 7  |      |     |     |

列表示预测的提前天数。（即，对于 Date=1_Jan，F1=Sales on 2_Jan）。

在 Pandas 中构建它的最佳方法是什么？

标签： pythonpandas

解决方案

我想到了。

如果df是我的基本数据框...

  1. 假设 Date 和 Forecasted_Date 采用 Datetime 格式，则查找天数差异：
df['difference'] = (df['Forecasted_Date'] - df['Date']) / pd.Timedelta(1,'D'))
  1. 转换为所需的“f_”格式：
df['forecast_day'] = 'f_' + df['difference'].astype('int').astype('str')
  1. 创建数据透视表
df_forecast = pd.pivot_table(data=df, values="Sales", index=["Date", "Product_ID"], columns="forecast_day", aggfunc="sum")

完毕！

推荐阅读