以下是我拥有的数据框
score_df
col1_id col2_id score
1 2 10
5 6 20
records_df
date col_id
D1 6
D2 4
D3 1
D4 2
D5 5
D6 7
我想根据以下标准计算分数:
当 2 出现在 1 之后时，分数应指定为 10，或者当 1 出现在 2 之后时，分数应指定为 10。
即当 (1,2) 给出分数 10 时 .. (2,1) 也得到相同的分数 10。
考虑 (1,2) 。当 1 第一次出现时，我们不分配分数。我们标记该行并等待 2 发生。当该列中出现 2 时，我们给出分数 10。
考虑(2,1)。当 2 先出现时。我们分配值 0 并等待 1 发生。当 1 出现时，我们给分 10。
所以，第一次——不要分配分数，等待相应事件发生后再分配分数
所以，我的结果数据框应该看起来像这样
结果
date col_id score
D1 6 0 -- Eventhough 6 is there in score list, it occured for first time. So 0
D2 4 0 -- 4 is not even there in list
D3 1 0 -- 1 occurred for first time . So 0
D4 2 10 -- 1 occurred previously. 2 occurred now.. we can assign 10.
D5 5 20 -- 6 occurred previously. we can assign 20
D6 7 0 -- 7 is not in the list
我在 Score_df 和 record_df 中都有大约 100k 行。循环和分配分数需要时间。有人可以在不循环整个数据帧的情况下帮助处理逻辑吗？
最佳答案
据我了解，你可以尝试melt用于取消旋转，然后 merge 。保持融化的 df 的索引，我们检查 where索引是 duplicated ，然后从合并中返回分数，否则 0。
m = score_df.reset_index().melt(['index','uid','score'],
var_name='col_name',value_name='col_id')
final = records_df.merge(m.drop('col_name',1),on=['uid','col_id'],how='left')
c = final.duplicated(['index']) & final['index'].notna()
final = final.drop('index',1).assign(score=lambda x: x['score'].where(c,0))
print(final)
uid date col_id score
0 123 D1 6 0.0
1 123 D2 4 0.0
2 123 D3 1 0.0
3 123 D4 2 10.0
4 123 D5 5 20.0
5 123 D6 7 0.0
关于pandas - 根据 pandas 中的顺序分配分数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60706956/