python - 通过将条件语句应用于数据类型日期时间和整数的多个其他列来创建列

Question

我有一个名为 df 的数据框，看起来与此类似(除了访问次数高达 74 次并且有数百个客户端 - 我在这里对其进行了简化)。

Client    Visit_1     Visit_2     Visit_3     Visit_4     Visit_5     Eligible  Active     
Client_1  2016-05-10  2016-05-25  2016-06-10  2016-06-25  2016-07-10  0         0  
Client_2  2017-05-10  2017-05-25  2017-06-10  2017-06-25  2017-07-10  0         0  
Client_3  2018-09-10  2018-09-26  2018-10-10  2018-10-26  2018-11-10  1         0  
Client_4  2018-10-10  2018-10-26  2018-11-10  2018-11-26  2018-12-10  1         1  

我想创建一个名为 Visit in Window 的新列，其中包含两个值:0 和 1。如果客户端是，我想将 Visit in Window 设置为等于 1 Eligible(Eligible 列中的值为“1”)并且如果客户处于Active 状态(Eligible 列中的值为“1”)事件 列)并且如果从 Visit_1 到 Visit_5 的 5 列中的任何一列包含介于 2018 年之间的日期-10-25 和 2018-12-15。

所以，我希望最终得到一个如下所示的数据框:

Client    Visit_1     Visit_2     Visit_3     Visit_4     Visit_5     Eligible  Active  Visit_in_Window    
Client_1  2016-05-10  2016-05-25  2016-06-10  2016-06-25  2016-07-10  0         0       0  
Client_2  2017-05-10  2017-05-25  2017-06-10  2017-06-25  2017-07-10  0         0       0  
Client_3  2018-09-10  2018-09-26  2018-10-10  2018-10-26  2018-11-10  1         0       0  
Client_4  2018-10-10  2018-10-26  2018-11-10  2018-11-26  2018-12-10  1         1       1  

我可以使用以下代码对一列执行此操作

df['Visit_in_Window'] = 0
df.loc[((df.Eligible == 1) & (df.Active == 1) &
        (df.Visit_1 > '2018-10-24') & 
        (df.Visit_1 < '2018-12-16')), 'Visit_in_Window'] = 1

但是，我不知道如何同时在多个列上执行此操作。有人可以帮忙吗？

Answer 1

我认为，这肯定是一种方法:

import pandas as pd
from collections import OrderedDict

df = pd.DataFrame(OrderedDict([
    ("Client", ["Client_1", "Client_2", "Client_3", "Client_4"]),
    ("Visit_1", ["2016-05-10", "2017-05-10", "2018-09-10", "2018-10-10"]),
    ("Visit_2", ["2016-05-25", "2017-05-25", "2018-09-26", "2018-10-26"]),
    ("Visit_3", ["2016-06-10", "2017-06-10", "2018-10-10", "2018-11-10"]),
    ("Visit_4", ["2016-06-25", "2017-06-25", "2018-10-26", "2018-11-26"]),
    ("Visit_5", ["2016-07-10", "2017-07-10", "2018-11-10", "2018-12-10"]),
    ("Eligible", [0, 0, 1, 1]),
    ("Active", [0, 0, 0, 1])
]))

df["Visit_in_Window"] = (
    df["Eligible"] & df["Active"] & (
        (("2018-10-25" < df["Visit_1"]) & (df["Visit_1"] < "2018-12-15")) |
        (("2018-10-25" < df["Visit_2"]) & (df["Visit_2"] < "2018-12-15")) |
        (("2018-10-25" < df["Visit_3"]) & (df["Visit_3"] < "2018-12-15")) |
        (("2018-10-25" < df["Visit_4"]) & (df["Visit_4"] < "2018-12-15")) |
        (("2018-10-25" < df["Visit_5"]) & (df["Visit_5"] < "2018-12-15"))
    )
)

print(df.to_string(index=False))

打印内容:

   Client     Visit_1     Visit_2     Visit_3     Visit_4     Visit_5  Eligible  Active Visit_in_Window
 Client_1  2016-05-10  2016-05-25  2016-06-10  2016-06-25  2016-07-10         0       0           False
 Client_2  2017-05-10  2017-05-25  2017-06-10  2017-06-25  2017-07-10         0       0           False
 Client_3  2018-09-10  2018-09-26  2018-10-10  2018-10-26  2018-11-10         1       0           False
 Client_4  2018-10-10  2018-10-26  2018-11-10  2018-11-26  2018-12-10         1       1            True

---

更新

对于从 Visit_1 到 Visit_N 的可变数量 N 列，这应该有效:

N = 5
visits = pd.DataFrame([(("2018-10-25" < df["Visit_" + str(i)]) & (df["Visit_" + str(i)] < "2018-12-15")) for i in range(1, N + 1)])
print(visits)
df["Visit_in_Window"] = df["Eligible"] & df["Active"] & visits.any()

打印内容:

             0      1      2      3
Visit_1  False  False  False  False
Visit_2  False  False  False   True
Visit_3  False  False  False   True
Visit_4  False  False   True   True
Visit_5  False  False   True   True

如您所见，只有第 2 列和第 3 列(客户端 3 和 4)的访问次数在日期范围内为 True。 any 将负责之前使用按位运算符 | 完成的“合并”。