如何在没有固定间隔函数（例如shift）的情况下在Python中计算周与周的差异？

Question

我知道有很多答案/方法可以在 Python 或 Pandas Dataframe 中获得 WoW 差异，但我发现其中许多在我的数据的边缘情况下不起作用。我有一个包含每小时交易时间戳和每小时销售额的数据框，我想计算每个小时和工作日的魔兽世界差异。我之前在 SQL 中通过简单的自连接完成了此操作，但我需要在 Python 中完成此操作。数据可能会丢失几个小时，并且轮班之类的事情将不可靠。

数据帧快照：

transaction_time     |   total_sale
2024-01-05 00:00:00  |      3500
2024-01-05 02:00:00  |      4000
.
.
.
2024-01-12 00:00:00  |      3400
2024-01-12 01:00:00  |      3200
2024-01-12 02:00:00  |      4100
.
.
.
2024-01-19 00:00:00  |      5000
2024-01-19 01:00:00  |      4200

我会在 SQL 中执行如下操作：

with
base_tbl AS 
(
select 
   transaction_time,
   total_sale
from table
where transaction_time betwwn <desired timefarame>
)

 select
    t. transaction_time
    , SAFE_SUBTRACT(SAFE_DIVIDE(t. total_sale, c. total_sale), 1) AS wow_percent_change
  FROM
    base_tbl AS t
  FULL OUTER JOIN
    base_tbl AS c
  ON EXTRACT(HOUR FROM t. transaction_time) = EXTRACT(HOUR FROM c. transaction_time)
  AND TIMESTAMP_DIFF(t. transaction_time, c. transaction_time, DAY)=7 

我尝试了一些基本上查看行之间固定间隔的方法，例如

shift

，例如

df['wow_change']=df['total_sale'] - df['total_sale'].shift(168)

，但这对于我的数据来说不是一种可靠的方法。有没有更防错的方法来做到这一点？ 我想要的输出是这样的：

transaction_time     |   wow_chane
2024-01-05 00:00:00  |      nan
2024-01-05 02:00:00  |      nan
.
.
.
2024-01-12 00:00:00  |      -100
2024-01-12 01:00:00  |      nan
2024-01-12 02:00:00  |      100
.
.
.
2024-01-19 00:00:00  |      1600
2024-01-19 01:00:00  |      1000

Answer 1

您可以使用 pandas

merge

函数加入日期来计算此值。

import pandas as pd 
from datetime import timedelta 
def calculate_wow(df):
    df['hour'] = pd.to_datetime(hour) # Assuming the dataframe has an hour column

    new_df = df.copy() 
    new_df['7days'] = new_df['hour'] + timedelta(days=7)

    final_df = df.merge(new_df, left_on='hour', right_on='7days', how='left')
    final_df['WoW'] = final_df['total_sale_x'] - final_df['total_sale_y']
    final_df = final_df[['hour_x', 'WoW']]

    return final_df