我正面临一个复杂的问题。 我有一个拥有客户的第一个数据框(请注意,ClientID不是唯一的,您可以将相同的ClientID与不同的TestDate关联):
df1:
ClientID TestDate
1A 2019-12-24
1B 2019-08-26
1B 2020-01-12
我还有一个“操作”数据框,用于指示日期和涉及哪个客户
df2:
LineNumber ClientID Date Amount
1 1A 2020-01-12 50
2 1A 2019-09-24 15
3 1A 2019-12-25 20
4 1A 2018-12-30 30
5 1B 2018-12-30 60
6 1B 2019-12-12 40
我想要的是在df1中添加一列,该列包含“均值”和“行数”,但仅采用df2行,其中Date
例如,对于客户端1A,我将仅使用LineNumber 2和4(因为第1行和第3行的日期晚于TestDate),然后获得df1的以下输出:
期望的df1:
ClientID TestDate NumberOp MeanOp
1A 2019-12-24 2 22.5
1B 2019-08-26 1 60
1B 2020-01-12 2 50
注意:在1B客户端的第一行中,由于TestDate为2019-08-26
,因此只能看到一个操作(LineNumber 6操作在2019-12-12
中完成,因此在testDate之后,所以我不这样做)请考虑在内)。
我已经有执行此操作的代码,但是我必须在iterrows
上使用df1
,这会花费很多时间:
当前代码(有效但很长):
for index, row in df1.iterrows():
id = row['ClientID']
date = row['TestDate']
df2_known = df2.loc[df2['ClientID'] == id]
df2_known = df2_known.loc[df2_known['Date'] < date]
df1.loc[index, 'NumberOp'] = df2_known.shape[0]
df1.loc[index, 'MeanOp'] = df2_known['Amount'].mean()
我本来想使用聚合以及诸如mean
和count
之类的命令,但是我必须按日期对每一行进行筛选是一个我不知道的巨大问题。
非常感谢您的事先帮助。
编辑:剩余的问题:
答案编辑中给出的解决方法(“如果要保留缺少df2的匹配键”)与我的问题不符。
实际上,如果df2中没有任何运算可用于计算均值和计数,我想避免丢失df1的等效行。 我将通过示例向您展示问题:
df = df2.merge(df1, on=['ClientID'], how='right')
print(df[df['ClientID'] == '5C'])
Output :
ClientID TestDate Date Amount
5C 2019-12-12 2020-01-12 50
如果我按照答案中的说明执行groupby
和transform
,则我的输出将没有任何CliendID == '5C'
行,因为Date < TestDate
和{{1 }}永远不会发生,所以当我执行Date is null
时该行会丢失。我个人希望在最终输出中与df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
保持一行,就像这样:
CliendID == '5C'
答案 0 :(得分:2)
您可以合并和转换:
df = df2.merge(df1, on=['ClientID'])
#filter based on condition
df = df[df['Date']<df['TestDate']]
#get the mean and count into new columns
df['MeanOp'] = df.groupby(['ClientID'])['Amount'].transform('mean')
df['NumberOp'] = df.groupby(['ClientID'])['Amount'].transform('count')
#drop duplicates and irrelevant columns
df = df.drop(['Amount','Date','LineNumber'],1).drop_duplicates()
输出:
ClientID TestDate MeanOp NumberOp
1 1A 2019-12-24 22.5 2
4 1B 2019-08-26 70.0 1
编辑:如果您要保留df2
缺少的匹配键:
df = df2.merge(df1, on=['ClientID'], how='right')
df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
df['MeanOp'] = df.groupby(['ClientID'])['Amount'].transform('mean')
df['NumberOp'] = df.groupby(['ClientID'])['Amount'].transform('count')
df = df.drop(['Amount','Date','LineNumber'],1).drop_duplicates()
示例:
df1:
ClientID TestDate
0 1A 2019-12-24
1 1B 2019-08-26
2 1C 2019-08-26
output:
ClientID TestDate MeanOp NumberOp
1 1A 2019-12-24 22.5 2
4 1B 2019-08-26 70.0 1
5 1C 2019-08-26 NaN 0
更新:如果您想按(Client_ID, TestDate)
对它们进行分组,则基于帖子上的编辑:
df = df2.merge(df1, on=['ClientID'], how='right')
df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
df['MeanOp'] = df.groupby(['ClientID','TestDate'])['Amount'].transform('mean')
df['NumberOp'] = df.groupby(['ClientID','TestDate'])['Amount'].transform('count')
df = df.drop(['Amount','Date','LineNumber'],1).drop_duplicates()
输出:
df1
ClientID TestDate
0 1A 2019-12-24
1 1B 2019-08-26
2 1B 2020-01-12
3 1C 2019-08-26
df2
LineNumber ClientID Date Amount
0 1 1A 2020-01-12 50
1 2 1A 2019-09-24 15
2 3 1A 2019-12-25 20
3 4 1A 2018-12-30 30
4 5 1B 2018-12-30 60
5 6 1B 2019-12-12 40
df
ClientID TestDate MeanOp NumberOp
1 1A 2019-12-24 22.5 2
4 1B 2019-08-26 60.0 1
6 1B 2020-01-12 50.0 2
8 1C 2019-08-26 NaN 0