Question

数据框1具有两列（customer_id，日期和等级），数据框2具有（customer_id，start_date，instrument_id）。该函数需要运行，以使DF2中的instrument_id包含最接近start_date的日期的等级。

DF1：

customer_id   date    rating
84952608    31-Mar-20   4-
84952608    31-Dec-19   3-
84952608    30-Jun-19   4
84952608    31-Mar-19   5-

DF2：

Instrument_id   customer_id start_date
000LCLN190240003    84952608    31-Mar-2019

结果DF：

Instrument_id   customer_id rating
000LCLN190240003    84952608    5-

选择了5个，因为start_date最接近日期

我有一个工作样本，但是在这种情况下，计算时间很长。对于大约3k记录，大约需要40-50秒 DF2是曝光，DF1是文件

for w in range(len(exposure)): 
        max_preceeding_date = file.loc[(file['customer_id']==exposure.loc[w,'customer_id']) & (file['date']<=exposure.loc[w,'start_date']),['rating','date']].sort_values('date', ascending=False)
value = max_preceeding_date.iloc[0,0]

我还尝试使用df.merge首先合并两个数据帧，但是无法弄清楚如何使用groupby获得最终输出。

感谢您在帮助这一方面上所花费的时间和精力。

Answer 1

合并数据帧并比较 datetime 对象：

In [254]: res_df = df2.merge(df1, how='left', on='customer_id')                                                         

In [255]: res_df[['start_date', 'date']] = res_df[['start_date', 'date']].apply(lambda s: pd.to_datetime(s))            

In [256]: res_df[res_df['date'] <= res_df['start_date']].sort_values(['start_date', 'date'], ascending=[False, False]).d
     ...: rop(['start_date', 'date'], axis=1)                                                                           
Out[256]: 
      Instrument_id  customer_id rating
3  000LCLN190240003  84952608     5-

通过从一系列日期中查找最近的日期来获得针对特定ID的单个评分

1 个答案: