我面临一个复杂的问题。 我有一个第一个数据框,其中我有客户(请注意,ClientID不是唯一的,您可以将相同的ClientID与不同的TestDate相关联):
df1 :
ClientID TestDate
1A 2019-12-24
1B 2019-08-26
1B 2020-01-12
我有另一个数据框 "operations",其中包含日期和涉及的客户信息。
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,其中包含平均金额和行数,但仅考虑Date < TestDate的df2行。
例如,对于客户1A,我只会选择LineNumber 2和4(因为第1行和第3行的日期晚于TestDate),然后得到df1的以下输出:
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:由于第一行的 TestDate 是
2019-08-26
,因此只看到一次操作(LineNumber 6 的操作是在 2019-12-12
完成的,所以在测试日期之后执行,我不考虑它)。我已经有了一个代码来实现,但我必须在我的
df1
上使用 iterrows
,这需要很长时间:
当前的代码(能用但很耗时):
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()
我想使用聚合操作和诸如mean
和count
的命令,但是每行都必须按日期进行过滤的事实是一个我无法解决的巨大问题。非常感谢您的帮助。
编辑:剩余问题:
答案的编辑中给出的解决方案(“如果您要保留df2中缺失的匹配键”)与我的问题不相符。
事实上,如果在df2中没有可用于计算平均值和计数的操作,我想避免丢失df1的等价行。我将用一个示例说明问题:
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
如果我按照答案中给出的groupby和transform的方法执行,那么我的输出将不会有任何一行满足条件
CliendID == '5C'
,因为Date < TestDate
和Date is null
这两个条件永远不会成立,所以当我执行df = df[(df['Date']<df['TestDate']) | (df['Date'].isnull())]
时,这行数据就会被丢失。我希望在最终的输出结果中能够包含CliendID =='5C'
,如下所示:ClientID TestDate NumberOp MeanOp
5C 2019-12-12 0 NaN