Question

我试图从Pandas复制以下逻辑，但是使用Numpy向量化。

此外，我觉得可能有一种更Python化的方式来添加Actual Available列，而无需先创建两个单独的变量series_1和series_2，而且这也不冗长。

[Actual Available]背后的逻辑是，

如果[是第一个？]列为True，则[Actual Available] = [Stock] + [Requirements] + [Receipts]，
如果[Is First？]列为False，则[Actual Available] = [Prev row of Actual Available] + [Requirements] + [Receipts]

有什么想法吗？

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "Material": ["ABC", "ABC", "ABC", "ABC", "XYZ", "XYZ", "XYZ"],
    "Plant": [2685, 2685, 2685, 2685, 2685, 2685, 2685],
    "Year": ["2020", "2020", "2020", "2020", "2020", "2020", "2020"],
    "Week": [1, 2, 3, 4, 1, 2, 3],
    "Stock": [30, 30, 30, 30, 70, 70, 70],
    "Requirements": [10, 15, 20, 25, 20, 30, 40],
    "Receipts": [1, 2, 3, 4, 11, 12, 13]
})

print(df)

# Add [Is First?] column
df["Is First?"] = np.where(
    (df["Material"] == df["Material"].shift(1)) &
    (df["Plant"] == df["Plant"].shift(1)),
    False,
    True,
)

# Add [Actual Available] column
df["Actual Available"] = (df["Stock"] + df["Requirements"] +
                          df["Receipts"]).where(df["Is First?"].eq(True))

series_1 = df["Is First?"].eq(True).cumsum()
series_2 = (df["Actual Available"].ffill() +
            (df["Receipts"] +
             df["Requirements"]).shift(-1).groupby(series_1).cumsum().shift())

df["Actual Available"] = df["Actual Available"].fillna(series_2)

print(df)

Answer 1

从您的初始DataFrame开始，所有这些逻辑似乎是添加到“库存”栏中的“ {Requires”（需求）+“ Receipts”（收据）的groupby + cumsum，因为“ Stock”已经在整个过程中重复了小组。

df["Actual Available"] = df['Stock'] + df.groupby(['Material', 'Plant'])[['Requirements', 'Receipts']].cumsum().sum(1)

  Material  Plant  Year  Week  Stock  Requirements  Receipts  Actual Available
0      ABC   2685  2020     1     30            10         1                41
1      ABC   2685  2020     2     30            15         2                58
2      ABC   2685  2020     3     30            20         3                81
3      ABC   2685  2020     4     30            25         4               110
4      XYZ   2685  2020     1     70            20        11               101
5      XYZ   2685  2020     2     70            30        12               143
6      XYZ   2685  2020     3     70            40        13               196

在“向量化”方面，pandas建立在numpy上，因此性能就在那里。此外，pandas在许多操作上都付出了额外的努力。 DataFrame.GroupBy.cumsum()在cython中实现了快速通道，因此已经进行了很多优化。

熊猫：使用Numpy向量化添加栏？

1 个答案: