我在不卖产品的情况下试图计算间隔的平均值。
我觉得最好的办法是:
清点(没有卖出的天数)/清点(连续几天不卖出的间隔)
Units Sold
0 1
1 4
2 0
3 0
4 0
5 7
6 0
7 0
8 0
9 0
10 1
11 0在这个例子中,我有:
所以,8/3 = 2.7应该是我的结果。
数天没有出售的单位,我正在使用这个:
x['Units Sold'] == 0).sum()然而,我并没有想出一个很好的方法来计算连续几天的销售间隔(考虑到我会在多个产品上运行)。
发布于 2019-09-16 20:03:42
另一种使用nunique的方法
s = df["Units Sold"].eq(0)
d = s.sum()
i = s[s].index.to_series().diff().ne(1).cumsum().nunique()
final = d/i # 2.6666666666666665发布于 2019-09-16 20:02:36
使用eq、cumsum和diff
首先,我们使用eq(0)和sum来计算没有售出的天数。
然后我们得到了这几天的cumsum,并检查了行之间是否存在差异。如果这个差异是0,那就意味着有一个间隔。
days = x['Units Sold'].eq(0).sum()
intervals = x['Units Sold'].eq(0).cumsum().diff().eq(0)
mask = x['Units Sold'].shift(-1).eq(0)
days / (intervals & mask).sum()输出
2.6666666666666665发布于 2019-09-16 20:05:38
您可以使用:
df.eq(0).sum()/((df.eq(0)&df.shift().ne(0)).sum())输出:
Units Solds 2.666667
dtype: float64https://stackoverflow.com/questions/57963614
复制相似问题