基于日期时间的数值统计函数：伪代码转Python实现求助

数据 #

需求 #

1. 统计同一company_name下，存在至少一个new_company_status为'Yes'，且后续（不同日期）calling为'Yes'的公司数量；
2. 统计同一company_name下，存在calling为'Yes'，且后续（不同日期）visit为'No'、quotation为'No'且po为'Yes'的公司数量。

已编写伪代码 #

伪代码1 #

for every same company name:
    if 'new_company_status' = 'Yes':
        check 'activity_date'        # for new company status if it is a Yes
    if 'calling' = 'Yes':
        check 'activity_date'        # for calling if it is a Yes
    if calling_date >= new_company_date:
        new_company to call =+ 1

伪代码2 #

for every same company name:
    if 'calling' = 'Yes':
        check 'activity_date'        # for calling if it is a Yes
    if 'visit' = 'No':
        if 'quotation' = 'No':
            if 'po' = 'Yes':
                check 'activity_date'   # for po if it is a Yes
    if po_date >= calling_date:
        call to po += 1

预期输出 #

1. 1
2. 3

Python代码实现 #

借助pandas可以高效处理这类分组时间序列数据，以下是具体实现：

首先导入依赖并加载数据：

import pandas as pd

# 加载数据
data = [
    {'activity_date': '03/10/2022', 'company_name': 'ABC', 'new_company_status': 'Yes', 'calling': 'Yes', 'visit': 'No', 'quotation': 'No', 'po': 'No'},
    {'activity_date': '04/10/2022', 'company_name': 'ABC', 'new_company_status': 'No', 'calling': 'No', 'visit': 'No', 'quotation': 'Yes', 'po': 'Yes'},
    {'activity_date': '05/10/2022', 'company_name': 'DEF', 'new_company_status': 'No', 'calling': 'Yes', 'visit': 'Yes', 'quotation': 'No', 'po': 'No'},
    {'activity_date': '06/10/2022', 'company_name': 'XYZ', 'new_company_status': 'Yes', 'calling': 'No', 'visit': 'Yes', 'quotation': 'Yes', 'po': 'No'},
    {'activity_date': '07/10/2022', 'company_name': 'DEF', 'new_company_status': 'No', 'calling': 'No', 'visit': 'No', 'quotation': 'Yes', 'po': 'Yes'},
    {'activity_date': '08/10/2022', 'company_name': 'XYZ', 'new_company_status': 'No', 'calling': 'Yes', 'visit': 'No', 'quotation': 'No', 'po': 'Yes'}
]

df = pd.DataFrame(data)
# 将日期列转为datetime类型，方便比较
df['activity_date'] = pd.to_datetime(df['activity_date'], format='%d/%m/%Y')

实现需求1的函数 #

def count_new_company_with_subsequent_call(df):
    grouped = df.groupby('company_name')
    count = 0
    for name, group in grouped:
        # 获取该公司所有new_company_status为Yes的日期
        new_dates = group[group['new_company_status'] == 'Yes']['activity_date']
        if not new_dates.empty:
            # 获取该公司所有calling为Yes的日期
            call_dates = group[group['calling'] == 'Yes']['activity_date']
            # 检查是否存在call日期晚于某个new日期（且不同日期）
            has_subsequent_call = any(call_date > new_date for new_date in new_dates for call_date in call_dates)
            if has_subsequent_call:
                count += 1
    return count

# 调用并输出
print(count_new_company_with_subsequent_call(df))  # 输出：1

实现需求2的函数 #

def count_call_with_subsequent_po(df):
    grouped = df.groupby('company_name')
    count = 0
    for name, group in grouped:
        # 获取该公司所有calling为Yes的日期
        call_dates = group[group['calling'] == 'Yes']['activity_date']
        if not call_dates.empty:
            # 获取该公司符合visit=No、quotation=No、po=Yes的日期
            po_dates = group[(group['visit'] == 'No') & (group['quotation'] == 'No') & (group['po'] == 'Yes')]['activity_date']
            # 检查是否存在po日期晚于某个call日期（且不同日期）
            has_subsequent_po = any(po_date > call_date for call_date in call_dates for po_date in po_dates)
            if has_subsequent_po:
                count += 1
    return count

# 调用并输出
print(count_call_with_subsequent_po(df))  # 输出：3

内容的提问来源于stack exchange，提问作者matilda