让我们假设有一个读数如下的数据帧:
id meter reading date
0 2 2 8232 2023-09-01
1 5 2 8267 2023-11-01
2 8 2 8472 2023-12-01
3 11 2 9354 2024-02-17
4 14 2 9417 2024-03-04
过go 一年的消耗是这样的:将数据帧减少到最后一年.计算最后一个值和第一个值之间的差值(等于240).本年度的计算结果大致相同(等于63).
问题:实际消费量是1185,远远超过240+63.
挑战在于,从上一年的最后一次读数到本年度的第一次读数之间的时间框架太长了.更好的方法是计算今年年初的假设值,步骤如下:
- 确定时间范围,包括一年的周转时间
- 计算时间范围(31+31+17=79)
- 计算此时间范围内的消耗(882)
- 计算这段时间内的日消耗量(882/79=11)
- 使用值(30*11+8472=8802)为2023-12-31添加一个条目
- 使用值(9354-47*11=8826)为2024-01-01添加一个条目
并计算出今年(591)和go 年(570)的消费,总和(1161)更接近实际数字(1185).
有人知道如何使用Pandas 数据帧来实现这一点吗?