python - 无需 for 循环即可高效创建数据框

Question

我正在处理一些广告数据，例如电子邮件数据。我有两个数据集:

1. 邮件级别，针对每个人，说明他们的邮寄日期，以及他们的转换日期。

   import pandas as pd
   
   df_emailed=pd.DataFrame()
   df_emailed['person']=['A','A','A','A','B','B','B']
   df_emailed['day']=[2,4,8,9,1,2,5]
   df_emailed
   print(df_emailed)
   
     person  day
   0      A    2
   1      A    4
   2      A    8
   3      A    9
   4      B    1
   5      B    2
   6      B    5
   

2. 我有一个摘要数据框，其中显示某人是否进行了转化，以及他们在哪一天进行了转化。

   df_summary=pd.DataFrame()
   df_summary['person']=['A','B']
   df_summary['days_max']=[10,5]
   df_summary['convert']=[1,0]
   print(df_summary)
   
     person  days_max  convert
   0      A        10        1
   1      B         5        0
   

我想将这些组合成一个最终的数据框，对于每个人来说:

• 1 到最大日期，
• 他们是否通过电子邮件发送(0,1)以及数据框中的最后一天，
• 他们是否转换(0,1)。

我们假设它们在数据框中的最后一天进行转换。

我知道使用嵌套的 for 循环来做到这一点，但我认为这效率低得令人难以置信，而且有点愚蠢。有谁知道完成此任务的有效方法吗？

期望的结果

df_final=pd.DataFrame()
df_final['person']=['A','A','A','A','A','A','A','A','A','A','B','B','B','B','B']
df_final['day']=[1,2,3,4,5,6,7,8,9,10,1,2,3,4,5]
df_final['emailed']=[0,1,0,1,0,0,0,1,1,0,1,1,0,0,1]
df_final['convert']=[0,0,0,0,0,0,0,0,0,1,0,0,0,0,0]
print(df_final)

   person  day  emailed  convert
0       A    1        0        0
1       A    2        1        0
2       A    3        0        0
3       A    4        1        0
4       A    5        0        0
5       A    6        0        0
6       A    7        0        0
7       A    8        1        0
8       A    9        1        0
9       A   10        0        1
10      B    1        1        0
11      B    2        1        0
12      B    3        0        0
13      B    4        0        0
14      B    5        1        0

谢谢您，节日快乐!

Answer 1

高级方法涉及修改df_summary(别名df2)以获得我们的输出。我们需要

对 df2 上的 days_max 列进行
• set_index 操作。我们还将名称更改为 days(这将在稍后有所帮助)
• groupby 对 person 进行分组
• 应用对索引进行reindex操作(天，因此我们获取截至最后一天的每一天的行)
• fillna 用于填充由于重新索引而生成的 convert 列中的 NaN
• 分配为我们稍后设置的emailed创建一个虚拟列。

接下来，使用 df_emailed 索引上一操作的结果。我们将使用这些值将相应的emailed单元格设置为1。这是通过使用 loc 进行多重索引来完成的。

最后，使用 reset_index 将索引作为列显示出来。

def f(x):
    return x.reindex(np.arange(1, x.index.max() + 1))

df = df2.set_index('days_max')\
        .rename_axis('day')\
        .groupby('person')['convert']\
        .apply(f)\
        .fillna(0)\
        .astype(int)\
        .to_frame()\
        .assign(emailed=0)

df.loc[df1[['person', 'day']].apply(tuple, 1).values, 'emailed'] = 1
df.reset_index()

   person  day  convert  emailed
0       A    1        0        0
1       A    2        0        1
2       A    3        0        0
3       A    4        0        1
4       A    5        0        0
5       A    6        0        0
6       A    7        0        0
7       A    8        0        1
8       A    9        0        1
9       A   10        1        0
10      B    1        0        1
11      B    2        0        1
12      B    3        0        0
13      B    4        0        0
14      B    5        0        1

哪里

df1 = df_emailed

并且，

df2 = df_summary