如何根据营销活动时长拆分Total Budget列计算Avg Monthly Budget

以下是基于Python Pandas库的实现步骤，能帮你快速生成含Avg Monthly Budget列的目标数据集：

步骤1：准备依赖与加载数据 #

首先导入必要的库，加载你的数据集（以CSV格式为例）：

import pandas as pd
from dateutil.relativedelta import relativedelta  # 用于精确计算月份差

# 加载数据集，替换为你的文件路径
df = pd.read_csv('your_campaign_data.csv')

步骤2：转换日期格式 #

先把Start Date和End Date列转为datetime类型，确保日期计算准确：

df['Start Date'] = pd.to_datetime(df['Start Date'], errors='coerce')
df['End Date'] = pd.to_datetime(df['End Date'], errors='coerce')

步骤3：计算活动时长（月数） #

用relativedelta计算精确的月份时长（包含年转月、剩余月数，再按平均每月30.44天折算剩余天数）：

def get_month_duration(start_date, end_date):
    # 处理日期为空的情况
    if pd.isna(start_date) or pd.isna(end_date):
        return 0
    delta = relativedelta(end_date, start_date)
    # 总月数 = 年数*12 + 月数 + 天数/平均每月天数
    total_months = delta.years * 12 + delta.months + delta.days / 30.44
    return max(total_months, 0.01)  # 避免除以0，最小设为0.01个月

df['Duration (Months)'] = df.apply(lambda row: get_month_duration(row['Start Date'], row['End Date']), axis=1)

步骤4：计算月均预算 #

将Total Budget除以时长月数，得到月均预算：

df['Avg Monthly Budget'] = df['Total Budget'] / df['Duration (Months)']

最终数据集示例 #

处理后的数据集会新增Duration (Months)和Avg Monthly Budget列，结构如下：

注意事项 #

• 如果你的数据集是Excel格式，可改用pd.read_excel()加载
• 若只需要按整月计算（忽略天数），可修改get_month_duration函数，去掉delta.days / 30.44部分
• 需确保Total Budget列是数值类型，若为字符串需先转换：df['Total Budget'] = pd.to_numeric(df['Total Budget'], errors='coerce')

内容的提问来源于stack exchange，提问作者ips2k4