使用pandas基于COUNTIF（）的单独的Excel表build立一个二维表
我想build立一个基于值（和countifs）从另一个表的二维表。 我设法成功地使用Excel原型，但是我坚持两个概念：
1. Emulating Excel COUNTIF() on pandas 2. Dynamically build a new dataframe 注意：COUNTIF（）将范围和标准作为参数。 例如，如果我有一个颜色列表，我想知道下面的列表中的“橙色”的次数：
A Red Orange Blue Orange Black
，那么我会简单地使用下面的公式：
COUNTIF(A1:A5, "Orange")
这应该返回2。
当然，COUNTIF（）函数可以变得更加复杂，比如COUNTIF（range1，criterion1，range2，criterion2 …）这种forms的表单连接条件可以被解释为一个AND标准。 例如，如果我想在类似于下面的列表中计算35岁以上的女性：
AB Female 19 Female 40 Male 45
，那么我会简单地使用下面的公式：
COUNTIF(A1:A3, "Female", B1:B3, ">35"
这应该返回1。
回到我的用例。 这是源表：
Product No Opening Date Closing Date Opening Month Closing Month 0 1 2016-01-01 2016-06-30 2016-01-31 2016-06-30 1 2 2016-01-01 2016-04-30 2016-01-31 2016-04-30 2 3 2016-02-01 2016-06-30 2016-02-29 2016-06-30 3 4 2016-02-01 2016-05-31 2016-02-29 2016-05-31 4 5 2016-02-01 2099-12-31 2016-02-29 2099-12-31 5 6 2016-01-01 2099-12-31 2016-01-31 2016-10-31 6 7 2016-06-01 2016-07-31 2016-06-30 2016-07-31 7 8 2016-06-01 2016-11-30 2016-06-30 2016-11-30 8 9 2016-06-01 2016-07-31 2016-06-30 2016-07-31 9 10 2016-06-01 2099-12-31 2016-06-30 2099-12-31
这是我想要实现的2Dmatrix：
2016-01-31 2016-02-29 2016-03-31 2016-04-30 2016-05-31 \ 2016-01-31 3 3 3 2 2 2016-02-29 3 3 3 3 2 2016-03-31 0 0 0 0 0 2016-04-30 0 0 0 0 0 2016-05-31 0 0 0 0 0 2016-06-30 4 4 4 4 4 2016-07-31 0 0 0 0 0 2016-08-31 0 0 0 0 0 2016-09-30 0 0 0 0 0 2016-10-31 0 0 0 0 0 2016-11-30 0 0 0 0 0 2016-12-31 0 0 0 0 0 2016-06-30 2016-07-31 2016-08-31 2016-09-30 2016-10-31 \ 2016-01-31 1 1 1 1 0 2016-02-29 1 1 1 1 1 2016-03-31 0 0 0 0 0 2016-04-30 0 0 0 0 0 2016-05-31 0 0 0 0 0 2016-06-30 4 2 2 2 2 2016-07-31 0 0 0 0 0 2016-08-31 0 0 0 0 0 2016-09-30 0 0 0 0 0 2016-10-31 0 0 0 0 0 2016-11-30 0 0 0 0 0 2016-12-31 0 0 0 0 0 2016-11-30 2016-12-31 2016-01-31 0 0 2016-02-29 1 1 2016-03-31 0 0 2016-04-30 0 0 2016-05-31 0 0 2016-06-30 1 1 2016-07-31 0 0 2016-08-31 0 0 2016-09-30 0 0 2016-10-31 0 0 2016-11-30 0 0 2016-12-31 0 0
基本上我想要build立一个产品生存matrix。 纵轴是新产品的起源，横轴是衡量这些帐户在多大程度上持续下去的时间。
例如，如果1月份推出了10款产品，那么1月份和1月份的数字应该是10.如果10月份的产品中有1款在2月份closures了，那么1月份和2月份的数字应该是9月份。如果所有剩余产品在6月份之前closures那么1月到6月，7月，8月等行应该是0。
2月，3月，4月等产品开发将不会影响1月份的行情。
我设法使用以下excel公式构build二维matrix：
=COUNTIF(Accounts!$D$2:$D$11,Main!$A2)-COUNTIFS(Accounts!$D$2:$D$11,Main!$A2, Accounts!$E$2:$E$11,"<="&Main!B$1)
（这将填充第一个单元格）
我最初的策略是build立一个多维列表，并使用一些for循环来填充它们，但是我不确定在Pandas中是否有一个更容易的（或更推荐的方法）。
由于我现在还没有足够的声望来评论你的问题，所以我会假设你在你的数据中有年份等于2099的拼写错误。
我也想问一下，在你的2016-06-30排的前几列（即2016-01-31到2016-05-31）中，如何存在4个“产品编号”。
如果这些错误，那么这是我的解决scheme：
首先，制作数据：
# Make dataframe df = pd.DataFrame({'Product No' : [i for i in range(1,11)], 'Opening Date' : ['2016-01-01']*2 +\ ['2016-02-01']*3 +\ ['2016-01-01'] +\ ['2016-06-01']*4, 'Closing Date' : ['2016-06-30', '2016-04-30', '2016-06-30', '2016-05-31'] +\ ['2016-12-31']*2 +\ ['2016-07-31', '2016-11-30', '2016-07-31', '2016-12-31'], 'Opening Month' : ['2016-01-31']*2 +\ ['2016-02-29']*3 +\ ['2016-01-31'] +\ ['2016-06-30']*4, 'Closing Month' : ['2016-06-30', '2016-04-30', '2016-06-30', '2016-05-31', '2016-12-31', '2016-10-31', '2016-07-31', '2016-11-30', '2016-07-31', '2016-12-31']}) # Reorder columns df = df.loc[:, ['Product No', 'Opening Date', 'Closing Date', 'Opening Month', 'Closing Month']] # Convert dates to datetime for i in df.columns[1:]: df.loc[:, i] = pd.to_datetime(df.loc[:, i])
其次，我创build了一个“date范围”数据框，用于保存原始数据集的最小值到最大值。 我还包括了“产品号”栏，以便每个产品在表格上都有一排：
# Create date range dataframe daterange = pd.DataFrame({'daterange' : pd.date_range(start = df.loc[:, 'Opening Month'].min(), end = df.loc[:, 'Closing Month'].max(), freq = 'M'), 'Product No' : [1]*12}) # Create 10 multiples of the daterange and concatenate daterange10 = pd.concat([daterange]*10) # Find the cumulative sum of the 'Product No' for daterange10 daterange10.loc[:, 'Product No'] = daterange10.groupby('daterange').cumsum()
第三，我将date范围和原始df合并在一起，并限制行仅在“产品编号”存在时才包括在内。 另外请注意，如果产品在本月的最后一天closures，那么封闭date必须大于或等于（从我的观点）以来的date范围，那么它在整个月份中存在：
# Merge df with daterange10 df = df.merge(daterange10, how = 'inner', on = 'Product No') # Limit rows to when 'Opening Month' is <= 'daterange' and 'Closing Month' is >= 'daterange' df = df[(df.loc[:, 'Opening Month'] <= df.loc[:, 'daterange']) & (df.loc[:, 'Closing Month'] >= df.loc[:, 'daterange'])]
最后，我用date值做一个数据透视表。 请注意，它只包含垂直轴上的date，
# Pivot on 'Opening Month', 'daterange'; count unique 'Product No'; fill NA with 0 df.pivot_table(index = 'Opening Month', columns = 'daterange', values = 'Product No', aggfunc = pd.Series.nunique).fillna(0)
尝试把你的数据放入一个pandasDataFrame，然后使用迭代的方法来构build产品生存的DataFrame：
import pandas as pd mydata = pd.read_excel('mysourcedata.xlsx') def product_survival(sourcedf, startdate, enddate): df = pd.DataFrame() daterange = pd.date_range(startdate, enddate, freq='M') for i in daterange: # Rows for j in daterange: # Columns mycount = sourcedf[(sourcedf['Opening Month'] == i) & (sourcedf['Closing Month'] > j)]['Product No'].count() df.loc[i, j] = mycount return df print(product_survival(mydata, '2016-01-31', '2016-12-31'))