为datafram中的给定日期创建标志矩阵

Question

我想在数据框中为特定日期范围的选择性列创建零。我一直在寻找有效的解决办法。你知道吗

我的代码创建了一个1的矩阵，比如dates=1/10/2016-16/8/2018（即ytd）。matrix1cols=A,B,C,D:

df = pd.DataFrame(np.ones(shape=(len(dates), len(matrix1cols))), index=dates)
df.columns = ['A','B','C', 'D']

现在，我希望将A列的第一季度（1月至3月）日期设为0，B列的第二季度日期设为0，C列的第三季度日期设为0，D列的第四季度日期设为0，所有年份均采用df。（我基本上是在为自己创建标志）

Ps-我的日期已经很多年了，为了方便起见，我简化了数据集。你知道吗

Answer 1

一种解决方案是使用一个简单的for循环。注意将索引转换为datetime作为初步步骤，例如通过df.index = pd.to_datetime(df.index)。你知道吗

for q, col in enumerate(df, 1):
    df.loc[df.index.quarter == q, col] = 0

同样，在这种情况下，但更详细：

for q, col in zip(range(1, 5), df):
    df.loc[df.index.quarter == q, col] = 0

Answer 2

设置

dates = pd.date_range('2016/10/01', '2018/08/16', freq='M')
matrixcols = list('ABCD')
df = pd.DataFrame(np.ones((len(dates), len(matrixcols)), int), dates, matrixcols)

            A  B  C  D
2016-10-31  1  1  1  1
2016-11-30  1  1  1  1
2016-12-31  1  1  1  1
2017-01-31  1  1  1  1
2017-02-28  1  1  1  1
2017-03-31  1  1  1  1
2017-04-30  1  1  1  1
2017-05-31  1  1  1  1
2017-06-30  1  1  1  1
2017-07-31  1  1  1  1
2017-08-31  1  1  1  1
2017-09-30  1  1  1  1
2017-10-31  1  1  1  1
2017-11-30  1  1  1  1
2017-12-31  1  1  1  1
2018-01-31  1  1  1  1
2018-02-28  1  1  1  1
2018-03-31  1  1  1  1
2018-04-30  1  1  1  1
2018-05-31  1  1  1  1
2018-06-30  1  1  1  1
2018-07-31  1  1  1  1

---

Numpy切片

创建一个自定义数组，定义零的放置位置

i = np.array([
    #A  B  C  D
    [1, 1, 0, 1],  # Q1 -> Only column C is zero
    [1, 0, 0, 0],  # Q2 -> cols B, C, D are zero
    [0, 0, 1, 1],  # Q3 -> cols A, B are zero
    [0, 1, 1, 0],  # Q4 -> cols A, D are zero
])

q = df.index.quarter - 1
df * i[q]

            A  B  C  D
2016-10-31  0  1  1  0
2016-11-30  0  1  1  0
2016-12-31  0  1  1  0
2017-01-31  1  1  0  1
2017-02-28  1  1  0  1
2017-03-31  1  1  0  1
2017-04-30  1  0  0  0
2017-05-31  1  0  0  0
2017-06-30  1  0  0  0
2017-07-31  0  0  1  1
2017-08-31  0  0  1  1
2017-09-30  0  0  1  1
2017-10-31  0  1  1  0
2017-11-30  0  1  1  0
2017-12-31  0  1  1  0
2018-01-31  1  1  0  1
2018-02-28  1  1  0  1
2018-03-31  1  1  0  1
2018-04-30  1  0  0  0
2018-05-31  1  0  0  0
2018-06-30  1  0  0  0
2018-07-31  0  0  1  1

---

另一种观点认为，它是正确的季度工作。你知道吗

i = np.array([
    #A  B  C  D
    [1, 1, 0, 1],  # Q1 -> Only column C is zero
    [1, 0, 0, 0],  # Q2 -> cols B, C, D are zero
    [0, 0, 1, 1],  # Q3 -> cols A, B are zero
    [0, 1, 1, 0],  # Q4 -> cols A, D are zero
])

q = df.index.quarter - 1
df.set_index(df.index.to_period('Q'), append=True).swaplevel(0, 1) * i[q]

                   A  B  C  D
2016Q4 2016-10-31  0  1  1  0
       2016-11-30  0  1  1  0
       2016-12-31  0  1  1  0
2017Q1 2017-01-31  1  1  0  1
       2017-02-28  1  1  0  1
       2017-03-31  1  1  0  1
2017Q2 2017-04-30  1  0  0  0
       2017-05-31  1  0  0  0
       2017-06-30  1  0  0  0
2017Q3 2017-07-31  0  0  1  1
       2017-08-31  0  0  1  1
       2017-09-30  0  0  1  1
2017Q4 2017-10-31  0  1  1  0
       2017-11-30  0  1  1  0
       2017-12-31  0  1  1  0
2018Q1 2018-01-31  1  1  0  1
       2018-02-28  1  1  0  1
       2018-03-31  1  1  0  1
2018Q2 2018-04-30  1  0  0  0
       2018-05-31  1  0  0  0
       2018-06-30  1  0  0  0
2018Q3 2018-07-31  0  0  1  1