Pandas groupby+重新抽样/时间分组，用于从s

Question

我有一个员工工资数据的数据框架（示例如下），其中“日期”是指员工工资生效的时间：

Employee    Date        Salary
PersonA     1/1/2016    $50000 
PersonB     3/5/2014    $65000 
PersonB     3/1/2015    $75000 
PersonB     3/1/2016    $100000 
PersonC     5/15/2010   $75000 
PersonC     6/3/2011    $100000 
PersonC     3/10/2012   $110000 
PersonC     9/5/2012    $130000 
PersonC     3/1/2013    $150000 
PersonC     3/1/2014    $200000 

在这个例子中，PersonA今年起薪50000美元，PersonC已经在公司工作了一段时间，自从2010年5月15日开始工作以来，已经收到了几次加薪。在

我需要将Date列转换为Months from Start，其中Months from Start将以m个月为增量（由我指定）。例如，对于PersonB，假设m=12，结果将是：

^{pr2}$

这意味着在第0个月（就业开始）时，PersonB的工资是65000美元；12个月后他的工资是65000美元，24个月后他的工资是75000美元。在未来的一个月内，将不会有超过36个月的就业增长（请注意，在未来的一个月内不会出现）。在

再次注意，我希望能够将m调整为任何月份的增量。如果我想要6个月的增量（m=6），结果是：

Employee    Months From Start   Salary
PersonB     0                   $65000 
PersonB     6                   $65000 
PersonB     12                  $65000 
PersonB     18                  $75000 
PersonB     24                  $100000 
PersonB     30                  $100000 

最后一步，我还想在转换后的数据帧中包含该员工截至今日的工资。再次使用PersonB，并假设m=6，这意味着结果将是：

Employee    Months From Start   Salary
PersonB     0                   $65000 
PersonB     6                   $65000 
PersonB     12                  $65000 
PersonB     18                  $75000 
PersonB     24                  $100000 
PersonB     30                  $100000 
PersonB     32.92               $100000 <--added (today is 32.92 months from start)

问题：是否有一种编程方式（我假设使用至少一种：groupby、resample或{}）来实现上述所需的数据帧？在

注意：你可以假设所有员工都在工作（没有离开公司）。在

Answer 1

您可以结合groupby和resample来执行此操作。要使用重采样，需要将日期作为索引。在

df.index = pd.to_datetime(df.Date)
df.drop('Date',axis = 1, inplace = True)

然后：

^{pr2}$

在这个例子中，我用了6个月的周期。请注意，它将在每个月的最后一天，我希望这不会是一个问题。 然后你将得到：

    Employee   Date      Salary
0   PersonA 2016-01-31   $50000
1   PersonB 2014-03-31   $65000
2   PersonB 2014-09-30   $65000
3   PersonB 2015-03-31   $75000
4   PersonB 2015-09-30   $75000
5   PersonB 2016-03-31  $100000
6   PersonC 2010-05-31   $75000
7   PersonC 2010-11-30   $75000
8   PersonC 2011-05-31   $75000
9   PersonC 2011-11-30  $100000
10  PersonC 2012-05-31  $110000
11  PersonC 2012-11-30  $130000
12  PersonC 2013-05-31  $150000
13  PersonC 2013-11-30  $150000
14  PersonC 2014-05-31  $200000

现在可以创建“months since started”列（cumcount函数检查每行在其组中出现的顺序）。记住用每个周期的月数乘以它（在本例中为6）：

df['Months since started'] = df.groupby('Employee').cumcount()*6

     Employee   Date      Salary     Months since started
0   PersonA 2016-01-31   $50000                  0
1   PersonB 2014-03-31   $65000                  0
2   PersonB 2014-09-30   $65000                  6
3   PersonB 2015-03-31   $75000                 12
4   PersonB 2015-09-30   $75000                 18
5   PersonB 2016-03-31  $100000                 24
6   PersonC 2010-05-31   $75000                  0
7   PersonC 2010-11-30   $75000                  6
8   PersonC 2011-05-31   $75000                 12
9   PersonC 2011-11-30  $100000                 18
10  PersonC 2012-05-31  $110000                 24
11  PersonC 2012-11-30  $130000                 30
12  PersonC 2013-05-31  $150000                 36
13  PersonC 2013-11-30  $150000                 42
14  PersonC 2014-05-31  $200000                 48

希望有帮助！在