基于已知Checkpoint计算每日平均消耗量（Pandas/Numpy实现）

步骤1：准备原始数据 #

先将提供的时间序列转换为Pandas Series，确保索引为日期类型：

import pandas as pd
import numpy as np

# 构造原始数据
data = {
    '2022-01-01': 100,
    '2022-01-02': np.nan,
    '2022-01-03': np.nan,
    '2022-01-04': 200,
    '2022-01-05': np.nan,
    '2022-01-06': np.nan,
    '2022-01-07': np.nan,
    '2022-01-08': 250,
    '2022-01-09': np.nan,
    '2022-01-10': 400,
    '2022-01-11': np.nan
}

# 转换为Series并设置datetime索引
s = pd.Series(data).rename('checkpoint').rename_axis('date')
s.index = pd.to_datetime(s.index)

步骤2：提取Checkpoint并计算日均消耗量 #

筛选所有非NaN的checkpoint，计算相邻节点的数值差、间隔天数，进而得到区间日均消耗量：

# 提取checkpoint数据，包含日期和对应值
checkpoints = s.dropna().reset_index()

# 计算相邻checkpoint的数值差和间隔天数
checkpoints['value_diff'] = checkpoints['checkpoint'].diff()
checkpoints['days_diff'] = checkpoints['date'].diff().dt.days

# 计算区间日均消耗量：差值/间隔天数
checkpoints['daily_consumption'] = checkpoints['value_diff'] / checkpoints['days_diff']
# 第一个checkpoint的日均由下一个区间的差值和天数决定
checkpoints.loc[0, 'daily_consumption'] = checkpoints.loc[1, 'value_diff'] / checkpoints.loc[1, 'days_diff']
# 新增最后一个节点，处理最后一段日期的日均为0
checkpoints = pd.concat([checkpoints, pd.DataFrame({
    'date': [s.index[-1]],
    'checkpoint': [checkpoints.iloc[-1]['checkpoint']],
    'daily_consumption': [0]
})], ignore_index=True)

步骤3：将日均消耗量映射到所有日期 #

用pd.cut将日期分配到对应checkpoint区间，批量映射日均消耗量：

# 构建日期区间和对应日均标签
bins = checkpoints['date'].tolist()
labels = checkpoints['daily_consumption'].iloc[:-1].tolist()

# 为每个日期匹配对应的日均消耗量
s['daily_consumption'] = pd.cut(s.index, bins=bins, labels=labels, include_lowest=True)
# 最后一个checkpoint之后的日期日均设为0
s.loc[s.index >= bins[-2], 'daily_consumption'] = 0

步骤4：验证累计值（可选） #

计算累计值验证结果是否符合预期：

# 计算累计消耗，修正checkpoint日期的数值
s['cumulative'] = s['checkpoint'].iloc[0] + s['daily_consumption'].cumsum()
s.loc[s['checkpoint'].notna(), 'cumulative'] = s['checkpoint']

最终结果 #

s['daily_consumption']即为所需的Series格式结果，保留一位小数后如下：

date
2022-01-01    33.3
2022-01-02    33.3
2022-01-03    33.3
2022-01-04    12.5
2022-01-05    12.5
2022-01-06    12.5
2022-01-07    12.5
2022-01-08    75.0
2022-01-09    75.0
2022-01-10     0.0
2022-01-11     0.0
Name: daily_consumption, dtype: float64

原理说明 #

1. Checkpoint处理：通过dropna()筛选有效节点，用diff()计算相邻节点的数值差与天数差，以此得到区间日均；第一个节点的日均由下一个区间的参数决定，因为它是该区间的起始基准。
2. 区间映射：利用pd.cut完成日期到checkpoint区间的批量匹配，将计算好的日均快速赋值给对应日期。
3. 特殊场景处理：最后一个checkpoint之后无后续节点，日均设为0；累计值修正确保checkpoint日期的数值与原始数据完全一致。

内容的提问来源于stack exchange，提问作者Samuel GIFFARD