python 時系列データを範囲ごとにグループ化したい

Question

実現したいこと

時系列データを範囲ごとにグループ化('Group'カラムを追加)したい

使用データ

import pandas as pd
import io

data = """
SaleDate,UserId
2017-01-01,47
2016-07-01,48
2017-02-01,49
2018-04-01,50
2019-05-06,51
"""
df = pd.read_csv(io.StringIO(data), parse_dates=['SaleDate'])
df

#     SaleDate	UserId
#0	2017-01-01	47
#1	2016-07-01	48
#2	2017-02-01	49
#3	2018-04-01	50
#4	2019-05-06	51

希望データ

#     SaleDate	UserId   Group
#0	2017-01-01	47      2
#1	2016-07-01	48      1
#2	2017-02-01	49      2
#3	2018-04-01	50      4
#4	2019-05-06	51      6

試したこと

def conv_func(row):
    
    if row['SaleDate'] >= dt.datetime(2016,7,1) and row['SaleDate'] <= dt.datetime(2016,12,1):
        return 1
    elif row['SaleDate'] >= dt.datetime(2017,1,1) and row['SaleDate'] <= dt.datetime(2017,6,1):
        return 2
    elif row['SaleDate'] >= dt.datetime(2017,7,1) and row['SaleDate'] <= dt.datetime(2017,12,1):
        return 3
    elif row['SaleDate'] >= dt.datetime(2018,1,1) and row['SaleDate'] <= dt.datetime(2018,6,1):
        return 4
    elif row['SaleDate'] >= dt.datetime(2018,7,1) and row['SaleDate'] <= dt.datetime(2018,12,1):
        return 5
    elif row['SaleDate'] >= dt.datetime(2019,1,1) and row['SaleDate'] <= dt.datetime(2019,6,1):
        return 6
    else:
        raise RuntimeError(str(row))

df['Group'] = df.apply(lambda cols: conv_func[cols['UserId']], axis=1)

発生するエラー

TypeError: ("'function' object is not subscriptable", 'occurred at index 0')

→ 他にいい方法があれば、ご教授いただきたいです。
何卒よろしくお願いいたします。

Answer 1

df['Group'] = df.apply(lambda cols: conv_func(cols['UserId']), axis=1)

conv_funcは配列ではなくて関数なので、()を使うのがPython的に正しいです。

Answer 2

pandas.cut() を使うと良いと思います。

https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.cut.html

import pandas as pd
import io

data = """
SaleDate,UserId
2017-01-01,47
2016-07-01,48
2017-02-01,49
2018-04-01,50
2019-05-06,51
"""
df = pd.read_csv(io.StringIO(data), parse_dates=['SaleDate'])

N = 8
bins = pd.date_range('2016/6/1', freq='6M', periods=N).values
df['Group'] = pd.cut(df['SaleDate'], bins, labels=list(range(1, N)))
print(df)
#    SaleDate  UserId Group
#0 2017-01-01      47     2
#1 2016-07-01      48     1
#2 2017-02-01      49     2
#3 2018-04-01      50     4
#4 2019-05-06      51     6

Comments

[退会済みユーザー]

magichan様

いつもご回答いただきありがとうございます。
私が試行錯誤していたものよりも、簡潔でわかりやすく大変参考となりました。

今後ともよろしくお願いいたします。