基于Pandas DataFrame实现月度自动天数适配的计算函数开发

核心思路 #

1. 自动获取当月天数：利用Pandas的dt.days_in_month属性，直接从extracted_date字段提取对应月份的天数，替代手动输入的固定值。
2. 按区间计算Output_Value：保留原有的value区间逻辑，将固定天数替换为自动获取的当月天数，用向量化方法实现高效计算。

具体实现步骤 #

1. 确保日期字段为datetime类型

如果extracted_date还不是datetime格式，先转换：

df['extracted_date'] = pd.to_datetime(df['extracted_date'])

2. 新增当月天数字段

添加一列存储每个日期对应的当月天数：

df['month_days'] = df['extracted_date'].dt.days_in_month

3. 按value区间计算Output_Value

假设原逻辑为：

• 当value < 100：Output_Value = value * 当月天数 * 0.8
• 当100 ≤ value < 200：Output_Value = value * 当月天数 * 1.0
• 当value ≥ 200：Output_Value = value * 当月天数 * 1.2

用np.select实现向量化计算（比apply更高效）：

import numpy as np

# 定义条件和对应计算式
conditions = [
    df['value'] < 100,
    (df['value'] >= 100) & (df['value'] < 200),
    df['value'] >= 200
]

calculations = [
    df['value'] * df['month_days'] * 0.8,
    df['value'] * df['month_days'] * 1.0,
    df['value'] * df['month_days'] * 1.2
]

# 生成Output_Value列
df['Output_Value'] = np.select(conditions, calculations, default=np.nan)

验证方法 #

可以手动构造不同月份的测试数据，比如：

test_data = pd.DataFrame({
    'extracted_date': ['2024-02-15', '2024-04-20', '2024-01-10'],
    'value': [80, 150, 250]
})

运行代码后，month_days会分别返回29（2024年是闰年）、30、31，对应的Output_Value也会自动适配这些天数计算。

内容的提问来源于stack exchange，提问作者Raz