如何解决如何根据某些条件遍历Pandas DataFrame以创建新的DateFrame
我已将具有销售渠道数据的csv文件导入到Pandas DataFrame。每行代表一个机会，其中包含潜在客户名称，产品信息，销售阶段，概率，预期交易规模，预期完成日期，期限等。
现在，我想将其转换为销售预测，据此，我想通过将交易量除以持续时间乘以概率来计算每个期间的平均收入。然后根据预期的截止日期和持续时间为所有可能的时间段创建一行。
import pandas as pd
pipeline_data = [{'Client': 'A','Stage': 'SUSPECT','Probability': '0.25','Dealsize': '1200','Duration': 6,'Start_period': '2020-08'},{'Client': 'B','Stage': 'prospect','Probability': '0.60','Dealsize': '1000','Duration': 4,'Start_period': '2020-10'}]
df = pd.DataFrame(pipeline_data)
df
输出：
Client Stage Probability Dealsize Duration Start_period
0 A SUSPECT 0.25 1200 6 2020-08
1 B prospect 0.60 1000 4 2020-10
因此，客户每月的平均收入为1200/6 * 0.25 =50。收入将在2020-08年至2021-01年（从2020年8月到2021年1月）下降。
首选输出为：
Client Stage Probability Dealsize Duration Start_period Weighted_revenue Period
0 A SUSPECT 0.25 1200 6 2020-08 50 2020-08
1 A SUSPECT 0.25 1200 6 2020-08 50 2020-09
2 A SUSPECT 0.25 1200 6 2020-08 50 2020-10
3 A SUSPECT 0.25 1200 6 2020-08 50 2020-11
4 A SUSPECT 0.25 1200 6 2020-08 50 2020-12
5 A SUSPECT 0.25 1200 6 2020-08 50 2021-01
6 B prospect 0.60 1000 4 2020-10 150 2020-10
7 B prospect 0.60 1000 4 2020-10 150 2020-11
8 B prospect 0.60 1000 4 2020-10 150 2020-12
9 B prospect 0.60 1000 4 2020-10 150 2021-01
我已经将Start_period转换为Period类型，因此可以将其用于计算/迭代。
我对编码非常陌生。我已经尝试在此站点和其他站点上找到答案，但到目前为止仍未成功。我可以想象使用某种嵌套循环和附加函数来解决此问题，但我不知道如何将其与Pandas一起使用...
任何帮助将不胜感激！
解决方法
您可以尝试使用列表理解pd.date_range和explode
df['Weighted_revenue']=(df['Dealsize'].astype(float)/df['Duration'].astype(float))*df['Probability'].astype(float)
df['Period']=[pd.date_range(x,periods=y,freq="M").strftime('%Y-%m') for x,y in zip(df["Start_period"],df["Duration"])]
df=df.explode('Period')
输出：
df
Client Stage Probability Dealsize Duration Start_period Weighted_revenue Period
0 A suspect 0.25 1200 6 2020-08 50.0 2020-08
0 A suspect 0.25 1200 6 2020-08 50.0 2020-09
0 A suspect 0.25 1200 6 2020-08 50.0 2020-10
0 A suspect 0.25 1200 6 2020-08 50.0 2020-11
0 A suspect 0.25 1200 6 2020-08 50.0 2020-12
0 A suspect 0.25 1200 6 2020-08 50.0 2021-01
1 B prospect 0.60 1000 4 2020-10 150.0 2020-10
1 B prospect 0.60 1000 4 2020-10 150.0 2020-11
1 B prospect 0.60 1000 4 2020-10 150.0 2020-12
1 B prospect 0.60 1000 4 2020-10 150.0 2021-01
详细信息：
首先，我们使用您描述的公式创建'Weighted_revenue'列：
df['Weighted_revenue']=(df['Dealsize'].astype(float)/df['Duration'].astype(float))*df['Probability'].astype(float)
df
Client Stage Probability Dealsize Duration Start_period Weighted_revenue
0 A suspect 0.25 1200 6 2020-08 50.0
1 B prospect 0.60 1000 4 2020-10 150.0
然后，我们将列表理解与zip一起用于基于'Start_period'和'Duration'列创建日期范围
df['Period']=[pd.date_range(x,df["Duration"])]
df
Client Stage Probability Dealsize Duration Start_period Weighted_revenue Period
0 A suspect 0.25 1200 6 2020-08 50.0 [2020-08,2020-09,2020-10,2020-11,2020-12,2021-01]
1 B prospect 0.60 1000 4 2020-10 150.0 [2020-10,2021-01]
最后，我们使用explode展开列表：
df=df.explode('Period')
df
Client Stage Probability Dealsize Duration Start_period Weighted_revenue Period
0 A suspect 0.25 1200 6 2020-08 50.0 2020-08
0 A suspect 0.25 1200 6 2020-08 50.0 2020-09
0 A suspect 0.25 1200 6 2020-08 50.0 2020-10
0 A suspect 0.25 1200 6 2020-08 50.0 2020-11
0 A suspect 0.25 1200 6 2020-08 50.0 2020-12
0 A suspect 0.25 1200 6 2020-08 50.0 2021-01
1 B prospect 0.60 1000 4 2020-10 150.0 2020-10
1 B prospect 0.60 1000 4 2020-10 150.0 2020-11
1 B prospect 0.60 1000 4 2020-10 150.0 2020-12
1 B prospect 0.60 1000 4 2020-10 150.0 2021-01
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
