#python #pandas #datetime
#python #pandas #дата и время
Вопрос:
У меня есть фрейм данных, который выглядит примерно так (за исключением того, что количество Visit Deliv столбцов и увеличивается до Visit_84 и Deliv 84 и есть несколько сотен клиентов — я упростил его здесь)
Client Visit_1 Visit_2 Visit_3 Deliv_1 Deliv_2 Deliv_3 Key_DT
Client_1 2018-01-01 2018-01-20 2018-02-10 No Yes Yes 2018-01-15
Client_2 2018-01-10 2018-01-30 2018-02-10 Yes Yes No 2018-01-25
Client_3 2018-01-20 2018-04-01 2018-04-10 Yes Yes Yes 2018-04-15
Client_4 2018-01-30 2018-03-01 2018-03-10 Yes No Yes 2018-02-25
Я хочу создать новый столбец с именем Vis_sum , который показывает сумму количества посещений от Visit_1 до Visit_3 , которые следуют за Key_DT в той же строке и имеют a Yes в соответствующем Deliv столбце (например Deliv_1 , связано с Visit_1 ). Это должно выглядеть так
Client Visit_1 Visit_2 Visit_3 Deliv_1 Deliv_2 Deliv_3 Key_DT Vis_sum
Client_1 2018-01-01 2018-01-20 2018-02-10 No Yes Yes 2018-01-15 2
Client_2 2018-01-10 2018-01-30 2018-02-10 Yes Yes No 2018-01-25 1
Client_3 2018-01-20 2018-04-01 2018-04-10 Yes Yes Yes 2018-04-15 0
Client_4 2018-01-30 2018-03-01 2018-03-10 Yes No Yes 2018-02-25 1
Ответ №1:
Это предполагает, что все ваши столбцы datetime . Если это не так, преобразуйте их.
Настройка
a = df.filter(like='Visit').values
b = df.filter(like='Deliv').eq('Yes').values
c = df['Key_DT'].values
Использование сравнения с широковещательной передачей
((a > c[:, None]) amp; b).sum(1)
array([2, 1, 0, 1])
df.assign(Vis_sum=((a > c[:, None]) amp; b).sum(1))
Client Visit_1 Visit_2 Visit_3 Deliv_1 Deliv_2 Deliv_3 Key_DT Vis_sum
0 Client_1 2018-01-01 2018-01-20 2018-02-10 No Yes Yes 2018-01-15 2
1 Client_2 2018-01-10 2018-01-30 2018-02-10 Yes Yes No 2018-01-25 1
2 Client_3 2018-01-20 2018-04-01 2018-04-10 Yes Yes Yes 2018-04-15 0
3 Client_4 2018-01-30 2018-03-01 2018-03-10 Yes No Yes 2018-02-25 1
Комментарии:
1. Спасибо за вашу помощь. Я немного изменил его, так как мне также нужно выполнять задачу только на клиентах, где ключевая дата превышает определенную дату. Теперь это выглядит так:
df.loc[(df.Key_DT > '2018-02-01'), 'Vis_sum']=((a > c[:, None]) amp; b).sum(1)). Однако ни этот пересмотренный код, ни предоставленный вами оригинал не будут работать. я получаю следующее сообщение об ошибке :operands could not be broadcast together with shapes (1537,81) (1537,12). Проблема в том, чтоVisitво всех столбцах,Delivстолбцах иKey_DTстолбцах отсутствуют какие-либо данные? Если да, то как мне это обойти?2. @FGreen вам нужно применить ту же маску при создании
a,b, иcкоторую вы делаете при индексации фрейма данных. Так что дляa, это стало бы и т.д.df.filter(like='Visit').loc[df.Key_DT > '2018-02-01'].3.Спасибо. Итак, я внес следующие изменения:
a = df.filter(like='Visit').loc[df.Key_DT > '2018-02-01']b = df.filter(like='Deliv').eq('Yes').loc[df.Key_DT > '2018-02-01']c = df['Key_DT'].loc[df.Key_DT > '2018-02-01']Однако я все еще получаю аналогичное сообщение об ошибке:cannot broadcast shape [(13, 81)] with block values [(13, 1)]4. Исправили ошибку (я использовал неправильные столбцы «посещения») — теперь они ошибка читает
cannot broadcast shape [(13, 12)] with block values [(13, 1)]
Ответ №2:
Вот np подход:
deliv_cols = [col for col in df.columns if 'Deliv' in col]
visit_cols = [col for col in df.columns if 'Visit' in col]
flags = df[deliv_cols].apply(lambda x: x.str.contains('Y'))
date_flags = df[visit_cols].apply(lambda x: x>df.Key_DT)
df['Vis_sum'] = np.sum(flags.values amp; date_flags.values,axis=1)
Комментарии:
1. Как и выше, я получаю аналогичное сообщение об ошибке:
operands could not be broadcast together with shapes (1537,12) (1537,81)2. Проверьте len(deliv_cols) и len(visit_cols). Являются ли они оба 84, как заявлено?
3. Извинения — это не так. их 84
visit_cols, но только 12 `deliv_cols’4. Итак, как вы связываете 84 посещения с 12 поставками? Я имею в виду, что это не может быть «visit_1 с deliv_1 и так далее», верно?
5. Игнорируйте это — они имеют одинаковую длину, извинения, 12 столбцов посещения, 12 столбцов deliv