我的数据集中有以下列:
id |用户 ID |开始日期 |结束日期 |检查日期
我想从第一列获取check_date，找到check_date在start_date和end_date<之间的所有行/强>。然后计算每个 user_id 的行数。第二行执行相同的操作，依此类推。
这里的要点是，我将拥有每个用户和每个 check_date 的所有实际行数。
这是我的解决方案(在我的数据集中，我的检查日期比用户少):
df['actual_rows'] = 0
for c_d in df.check_date.unique():
temp_df = df[(start_date <= c_d) & (end_date > c_d)]
gr = temp_df.groupby('user_id')['id'].count()
df.loc[df.check_date == c_d, 'actual_rows'] =\
df[df.check_date == c_d].user_id.map(gr.to_dict())
del temp_df
del gr
我认为这有点棘手而且效率不高。也许有人有更好的解决方案？
编辑
示例行:
id, user_id, start_date, end_date, check_date, actual
1, 1, 2018-11-05, 2018-12-06, 2018-11-22, 2
2, 1, 2018-11-10, 2018-11-25, 2018-11-24, 2
3, 1, 2018-12-05, 2018-12-31, 2018-12-20, 1
4, 1, 2018-12-25, 2019-01-30, 2018-12-30, 2
最佳答案
import pandas as pd
from io import StringIO
# example data (with result column and spaces removed, a few rows added)
df = pd.read_csv(StringIO("""id,user_id,start_date,end_date,check_date
1,1,2018-11-05,2018-12-06,2018-11-22
2,1,2018-11-10,2018-11-25,2018-11-24
3,1,2018-12-05,2018-12-31,2018-12-20
4,1,2018-12-25,2019-01-30,2018-12-30
5,2,2018-11-05,2018-12-06,2018-11-22
6,2,2018-11-10,2018-11-25,2018-11-24
"""))
def count_for_check_date(df, user_id, check_date):
"""
:return: count of rows in df for given user_id and check_date
"""
return df.query('user_id == @user_id and start_date <= @check_date and @check_date <= end_date').shape[0]
# apply the counting function to each pair of [user_id, checkdate] - assign result to column actual
df['actual'] = df[['user_id','check_date']].apply(lambda r: count_for_check_date(df, r[0], r[1]), axis=1)
print(df)
结果:
id user_id start_date end_date check_date actual
0 1 1 2018-11-05 2018-12-06 2018-11-22 2
1 2 1 2018-11-10 2018-11-25 2018-11-24 2
2 3 1 2018-12-05 2018-12-31 2018-12-20 1
3 4 1 2018-12-25 2019-01-30 2018-12-30 2
4 5 2 2018-11-05 2018-12-06 2018-11-22 2
5 6 2 2018-11-10 2018-11-25 2018-11-24 2
关于python - 如何计算数据框中的 "actual"行？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57729458/