所以我现在正在迭代这个，但我希望以矢量化的方式得到结果，我正在画一个空白。最好从DataFrame开始：
actual_sum expected_to_date Late
id
1 11086 11086 0
1 22172 22172 0
1 33258 33258 0
1 33258 44344 1
1 33258 55430 2
1 33258 66516 3
1 33258 77602 4
1 33258 88688 5
3 0 25748 1****
3 0 51496 2
3 0 77244 3
3 0 102992 4
3 0 128740 5
3 0 154488 6
10005 19818 19818 0
10005 19818 39636 1
10005 59454 59454 0
10005 79272 79272 0
10005 79272 99090 1
10005 99090 118908 1
10005 118908 138726 1
10005 138726 158544 1
10005 164544 178362 1
10005 184362 198180 1
10005 184362 217998 2
10005 184362 237824 3
10006 26425 26425 0
10006 52850 52850 0
10006 79275 79275 0
10006 79275 105700 1
10006 132125 132125 0
10006 158550 158550 0
10006 158550 184975 1
10006 158550 211400 2
10006 158550 237825 3
10006 158550 264250 4
10006 158550 290666 5
10006 158550 317091 6
10009 21217 21217 0
10009 42434 42434 0
10009 63651 63651 0
你可以看到，这就是我正在做的事情：
有关像这样的矢量化方法的任何想法？我什么都想不到。目前，我的大部分代码时间用于查找此ID中的最后一次，我们的内容少于当前的actual_sum：
last_current = d[(d.id==cur_id)&(d.expected_to_date > cur_sum)][:idx]
我必须在此结果中添加1以获得我想要的内容，但它确实有效。
答案 0 :(得分：0)
我认为这接近你想要的......它没有摆脱每个for-loop ...但它减少了数量......数据在一个名为df的DataFrame中......
df.reset_index(inplace=True) # get a unique index
df['ones'] = 1 # temp column of ones (for use in cumulative sum)
df['Later'] = 0 # this is where our result will be put
for label, group in df.groupby('id'):
# for each group select cases and number them from 1 using cumsum()
df['Later'].update(group[group.expected_to_date > group.actual_sum]
['ones'].cumsum())
del df['ones'] # remove temporary working column
df.set_index('id', inplace=True) # restore original index
哪个收益......
In [66]: df
Out[66]:
actual_sum expected_to_date Late Later
id
1 11086 11086 0 0
1 22172 22172 0 0
1 33258 33258 0 0
1 33258 44344 1 1
1 33258 55430 2 2
1 33258 66516 3 3
1 33258 77602 4 4
1 33258 88688 5 5
3 0 25748 1**** 1
3 0 51496 2 2
3 0 77244 3 3
3 0 102992 4 4
3 0 128740 5 5
3 0 154488 6 6
10005 19818 19818 0 0
10005 19818 39636 1 1
10005 59454 59454 0 0
10005 79272 79272 0 0
10005 79272 99090 1 2
10005 99090 118908 1 3
10005 118908 138726 1 4
10005 138726 158544 1 5
10005 164544 178362 1 6
10005 184362 198180 1 7
10005 184362 217998 2 8
10005 184362 237824 3 9
10006 26425 26425 0 0
10006 52850 52850 0 0
10006 79275 79275 0 0
10006 79275 105700 1 1
10006 132125 132125 0 0
10006 158550 158550 0 0
10006 158550 184975 1 2
10006 158550 211400 2 3
10006 158550 237825 3 4
10006 158550 264250 4 5
10006 158550 290666 5 6
10006 158550 317091 6 7
10009 21217 21217 0 0
10009 42434 42434 0 0
10009 63651 63651 0 0
为了完整起见，我将数据放入名为df ...
的数据框中data="""id actual_sum expected_to_date Late
1 11086 11086 0
1 22172 22172 0
1 33258 33258 0
1 33258 44344 1
1 33258 55430 2
1 33258 66516 3
1 33258 77602 4
1 33258 88688 5
3 0 25748 1****
3 0 51496 2
3 0 77244 3
3 0 102992 4
3 0 128740 5
3 0 154488 6
10005 19818 19818 0
10005 19818 39636 1
10005 59454 59454 0
10005 79272 79272 0
10005 79272 99090 1
10005 99090 118908 1
10005 118908 138726 1
10005 138726 158544 1
10005 164544 178362 1
10005 184362 198180 1
10005 184362 217998 2
10005 184362 237824 3
10006 26425 26425 0
10006 52850 52850 0
10006 79275 79275 0
10006 79275 105700 1
10006 132125 132125 0
10006 158550 158550 0
10006 158550 184975 1
10006 158550 211400 2
10006 158550 237825 3
10006 158550 264250 4
10006 158550 290666 5
10006 158550 317091 6
10009 21217 21217 0
10009 42434 42434 0
10009 63651 63651 0
"""
from StringIO import StringIO # import from io for Python 3
df = pd.read_csv(StringIO(data), header=0, index_col=0, sep='\s+')