更正失去连续性的日期

Question

我来找你帮忙。问题是，我们有一个数据库(120万条记录)，跟踪我们的客户的每月付款日期，但由于一个错误，日期已被设置为每个客户的第一个付款日期。(我在下面举个例子)

    user    fec

0   a   2016-12-08
1   a   2016-12-08
2   a   2016-12-08
3   a   2016-12-08
4   a   2016-12-08
5   b   2017-07-22
6   b   2017-07-22
7   b   2017-07-22
8   b   2017-07-22
9   b   2017-07-22
10  c   2017-04-13
11  c   2017-04-13
12  d   2018-11-26
13  d   2018-11-26
14  d   2018-11-26

现在我们尝试纠正它们，使其看起来如下所示

​

​

老实说，我不知道如何解决这个问题，如果这里有人能指导我，我将不胜感激

Answer 1

如果您只想为每个用户的每个连续日期添加1个月，您可以这样做：

import datetime
import calendar
import pandas as pd

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

def add_months(sourcedate, months):
    month = sourcedate.month - 1 + months
    year = sourcedate.year + month // 12
    month = month % 12 + 1
    day = min(sourcedate.day, calendar.monthrange(year,month)[1])
    return datetime.date(year, month, day)


df['fec'] = df.groupby('user')['fec'].agg(list).apply(lambda x: [add_months(x[0], i) for i in range(len(x))]).explode().values

输出：

   user         fec
0     a  2016-12-08
1     a  2017-01-08
2     a  2017-02-08
3     a  2017-03-08
4     a  2017-04-08
5     b  2017-07-22
6     b  2017-08-22
7     b  2017-09-22
8     b  2017-10-22
9     b  2017-11-22
10    c  2017-04-13
11    c  2017-05-13
12    d  2018-11-26
13    d  2018-12-26
14    d  2019-01-26

不过，这段令人讨厌的一行可能是一种更简单的方法，或者可以分成几个步骤

注-依赖于pandas v1.0.5+

Answer 2

如果您愿意将所有日期移至月底：

df['fec'] = (df.groupby('user')['fec']
               .transform(lambda x: pd.date_range(x.min(), freq='M', 
                                                  periods=len(x))
                         )
            )

输出：

   user        fec
0     a 2016-12-31
1     a 2017-01-31
2     a 2017-02-28
3     a 2017-03-31
4     a 2017-04-30
5     b 2017-07-31
6     b 2017-08-31
7     b 2017-09-30
8     b 2017-10-31
9     b 2017-11-30
10    c 2017-04-30
11    c 2017-05-31
12    d 2018-11-30
13    d 2018-12-31
14    d 2019-01-31