pandas.DataFrameで日付カラムの月数差分を求めたい。rolling() relativedelta()

前提・実現したいこと

DataFrameの特定カラムに入っているTimeStampの月数差分を求めたい
日数差分はdiff()で求められたが、差分が月を跨いでいるかを判定したい

発生している問題・エラーメッセージ

以下のようなデータが有り、KOJI_NOでgroupbyしてYOTEI_YMDの差分(変化)を求めようとしています。
YOTEI_YMDをpd.to_datetime()してからdiff()で日数差分は求められました。
rolling()とrelativedelta()を組み合わせた関数で月数差分を求めようとしたのですが上手くいきません。
当該処理の実現方法がわかる方いましたら、ご教示いただきたく宜しくお願い致します。
↓元データ

OUTPUT_DAY	KOJI_NO	YOTEI_YMD
20191101	A12345	20190708
20191102	A12345	20190827
20191103	A12345	20190827
20191106	A12345	20190827
20191107	A12345	20190828
20191108	A12345	20190824
20191101	B12345	20190704
20191102	B12345	20190708
20191103	B12345	20190827
20191106	B12345	20190827
20191107	B12345	20190827
20191108	B12345	20190827

↓求めたいデータ(days_diffとmonths_diffをconcat(axis=1)で結合)

OUTPUT_DAY	KOJI_NO	YOTEI_YMD	days_diff	months_diff
20191101	A12345	20190708	Nan	Nan
20191102	A12345	20190827	50	1
20191103	A12345	20190827	0	0
20191106	A12345	20190827	0	0
20191107	A12345	20190828	1	0
20191108	A12345	20190824	-4	0
20191101	B12345	20190704	Nan	Nan
20191102	B12345	20190708	4	0
20191103	B12345	20190827	0	0
20191106	B12345	20190827	0	0
20191107	B12345	20190827	0	0
20191108	B12345	20190827	0	0


DataError: No numeric types to aggregate

該当のソースコード

months_diffを求めるコードでエラーとなってしまします。

python
1import pandas as pd
2from dateutil import relativedelta as rdelta
3
4df['YOTEI_YMD'] = pd.to_datetime(df['YOTEI_YMD'], format='%Y%m%d')
5days_diff = df.groupby(['KOJI_NO'])['YOTEI_YMD'].diff()
6
7def func_diff_month(x):
8    m0, m1  = x[0], x[1]
9    return rdelta.relativedelta(m0, m1).months
10
11months_diff = df.groupby(['KOJI_NO'])['YOTEI_YMD'].rolling(2).apply(func_diff_month)

試したこと

rolling(2)の窓サイズの要素を、relativedelta().monthsで月数差分を取得しようとしました。

magichan

2019/12/10 01:12

申し訳ありませんが、上記のデータから出力したい理想とする結果を記載していただけませんでしょうか。

EM1206

2019/12/10 01:43

magichan様、求めたいデータフレームを追記しました。ご確認のほど宜しくお願い致します。

行動規範の内容に同意します

回答1件

ベストアンサー

とりあえず書いてみましたが、やりたいことと合ってますでしょうか？

Python
1import pandas as pd
2import io
3
4csv = """
5OUTPUT_DAY,KOJI_NO,YOTEI_YMD
620191101,A12345,20190708
720191102,A12345,20190827
820191103,A12345,20190827
920191106,A12345,20190827
1020191107,A12345,20190828
1120191108,A12345,20190824
1220191101,B12345,20190704
1320191102,B12345,20190708
1420191103,B12345,20190827
1520191106,B12345,20190827
1620191107,B12345,20190827
1720191108,B12345,20190827
18"""
19
20def calc_month(d):
21    shift_d = d.shift(1)
22    return (d.dt.year - shift_d.dt.year) * 12 + (d.dt.month - shift_d.dt.month) - (d.dt.day < shift_d.dt.day)
23
24df = pd.read_csv(io.StringIO(csv), parse_dates=['OUTPUT_DAY','YOTEI_YMD'])
25df['days_diff'] = df.groupby('KOJI_NO')['YOTEI_YMD'].apply(lambda d: (d-d.shift(1)).dt.days)
26df['monthss_diff'] = df.groupby('KOJI_NO')['YOTEI_YMD'].apply(calc_month)
27print(df)
28#   OUTPUT_DAY KOJI_NO  YOTEI_YMD  days_diff  monthss_diff
29#0  2019-11-01  A12345 2019-07-08        NaN           NaN
30#1  2019-11-02  A12345 2019-08-27       50.0           1.0
31#2  2019-11-03  A12345 2019-08-27        0.0           0.0
32#3  2019-11-06  A12345 2019-08-27        0.0           0.0
33#4  2019-11-07  A12345 2019-08-28        1.0           0.0
34#5  2019-11-08  A12345 2019-08-24       -4.0          -1.0
35#6  2019-11-01  B12345 2019-07-04        NaN           NaN
36#7  2019-11-02  B12345 2019-07-08        4.0           0.0
37#8  2019-11-03  B12345 2019-08-27       50.0           1.0
38#9  2019-11-06  B12345 2019-08-27        0.0           0.0
39#10 2019-11-07  B12345 2019-08-27        0.0           0.0
40#11 2019-11-08  B12345 2019-08-27        0.0           0.0