Datos de entrada
Crearé un dataframe de ejemplo sobre el que trabajar:
import pandas as pd
data={
'2019-01-01':[0,0,0],
'2019-02-01':[0,5,0],
'2019-03-01':[0,6,0],
'2019-04-01':[0,5,0],
'2019-05-01':[0,5,0],
'2019-06-01':[0,5,0],
'2019-07-01':[12,4,0],
'2019-08-01':[0,7,0],
'2019-09-01':[16,0,0],
'2019-10-01':[15,2,0],
'2019-11-01':[18,6,0],
'2019-12-01':[15,7,0],
}
df = pd.DataFrame.from_dict(data, orient="index",
columns=["Product{}".format(n) for n in range(1, 4)])
df.index = pd.to_datetime(df.index)
Observa que he hecho que el índice sea la columna de fechas, y que las he convertido a tipo datetime
. Este es el dataframe de momento:
Product1 Product2 Product3
2019-01-01 0 0 0
2019-02-01 0 5 0
2019-03-01 0 6 0
2019-04-01 0 5 0
2019-05-01 0 5 0
2019-06-01 0 5 0
2019-07-01 12 4 0
2019-08-01 0 7 0
2019-09-01 16 0 0
2019-10-01 15 2 0
2019-11-01 18 6 0
2019-12-01 15 7 0
Obtener la fecha de la primera venta
Elijo todas las celdas con valor distinto de cero, calculo su suma acumulada y me quedo con el mínimo de esas sumas acumuladas, que corresponden a la celda en la que un dato numérico aparece por primera vez. Obtengo el índice correspondiente a ese caso, y eso me da la fecha en la que eso ocurre. Ya que el resultado es de tipo datetime
, que contiene también la hora y eso no me interesa, me quedo sólo con la parte .date
:
>>> df[df!=0].cumsum().idxmin().dt.date
Product1 2019-07-01
Product2 2019-02-01
Product3 NaT
dtype: datetime64[ns]
pero eso puedo convertirlo en un DataFrame, y renombrar la columna para que sea "first sell":
result = pd.DataFrame(df[df!=0].cumsum().idxmin().dt.date).rename({0: "first sell"}, axis=1)
Obtener el número de meses
A este dataframe añado la columna con el número de meses trasncurridos. Este número lo obtengo dividiendo entre 30 el número de días transcurridos, el cual sale de una resta entre la fecha actual y la que tengo en la columna "first sell". Finalmente reemplazo los NaT
("not a date") por la cadena "Not Launched":
import datetime
result["dif"] = (datetime.date.today() - result["first sell"]).dt.days//30
result = result.fillna("Not Launched")
Este es el resultado:
first sell dif
Product1 2019-07-01 6
Product2 2019-02-01 11
Product3 Not Launched Not Launched