- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我拥有一个数据集( df
),其中包含不同超市( date
)的历史每日( demand
)需求( id_store
)。每个id_store
提供不同的产品( id_product
),但品种每天都不同,所以相同的 id_product
不是每天都提供。
我的目标是为每个 id_product
找到最后四个相同工作日(t-7、t-14、t-21、t-28)的平均需求量各自的 id_store
,如果 id_product
在 id_store
中提供在多个相同的工作日。如果id_product
未在任何或仅一个相同的工作日提供,NaN
应该被退回。
问题:
以下代码有效,但我的 df
需要大约 6 小时,其中包含 200 万个观测值。你们有没有人知道我如何使代码更高效(例如使用 groupby
)?
import numpy as np
import pandas as pd
from pandas import Timestamp
def mean_weekday_4w(df):
df.loc[:, "weekday"] = df["date"].dt.day_name()
df_group = df.groupby(["id_store", "id_product", "weekday"], as_index=False)["demand"].sum()
query_4w = "date == '%s' | date == '%s' | date == '%s' | date == '%s'"
for ids, idp, wdy in df_group[["id_store", "id_product", "weekday"]].values:
df_query_group = df.query("id_store == @ids & id_product == @idp & weekday == @wdy")
for i, row in df_query_group.iterrows():
df_query_4w = df_query_group.query(query_4w % (row["date"] - pd.Timedelta(days=7),
row["date"] - pd.Timedelta(days=14),
row["date"] - pd.Timedelta(days=21),
row["date"] - pd.Timedelta(days=28)))
if df_query_4w.shape[0] >= 2:
df.at[i, "mean_weekday_4w"] = df_query_4w["demand"].mean()
else:
df.at[i, "mean_weekday_4w"] = np.nan
return df
这是我的数据集的一个小样本:
df = pd.DataFrame({'date': {0: Timestamp('2020-03-21 00:00:00'), 1: Timestamp('2020-03-28 00:00:00'), 2: Timestamp('2020-04-04 00:00:00'), 3: Timestamp('2020-04-11 00:00:00'), 4: Timestamp('2020-04-18 00:00:00'), 5: Timestamp('2020-03-21 00:00:00'), 6: Timestamp('2020-03-28 00:00:00'), 7: Timestamp('2020-04-04 00:00:00'), 8: Timestamp('2020-03-21 00:00:00'), 9: Timestamp('2020-03-25 00:00:00'), 10: Timestamp('2020-04-04 00:00:00'), 11: Timestamp('2020-03-21 00:00:00'), 12: Timestamp('2020-03-28 00:00:00'), 13: Timestamp('2020-04-18 00:00:00'), 14: Timestamp('2020-04-25 00:00:00'), 15: Timestamp('2020-05-02 00:00:00'), 16: Timestamp('2020-05-09 00:00:00'), 17: Timestamp('2020-05-16 00:00:00'), 18: Timestamp('2020-03-21 00:00:00')}, 'id_store': {0: 0, 1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0, 7: 0, 8: 1, 9: 1, 10: 1, 11: 1, 12: 1, 13: 1, 14: 1, 15: 1, 16: 1, 17: 1, 18: 1}, 'id_product': {0: 1, 1: 1, 2: 1, 3: 1, 4: 1, 5: 2, 6: 2, 7: 2, 8: 1, 9: 1, 10: 1, 11: 2, 12: 2, 13: 3, 14: 3, 15: 3, 16: 3, 17: 3, 18: 4}, 'demand': {0: 97.0, 1: 156.0, 2: 130.0, 3: 105.0, 4: 229.0, 5: 60.0, 6: 50.0, 7: 47.0, 8: 69.0, 9: 95.0, 10: 175.0, 11: 66.0, 12: 63.0, 13: 82.0, 14: 7.0, 15: 78.0, 16: 34.0, 17: 36.0, 18: 81.0}})
所需的输出如下所示:
最佳答案
按工作日分组并使用至少 2 个观察(和当前)滚动 4 周并排除当前观察(仅关闭左侧间隔):
df['mean_weekday_4w'] = df.groupby(['id_store', 'id_product', df['date'].dt.weekday]) \
.rolling(4, 2, closed='left') \
.mean().values
>>> df
date id_store id_product demand mean_weekday_4w
0 2020-03-21 0 1 97.0 NaN
1 2020-03-28 0 1 156.0 NaN
2 2020-04-04 0 1 130.0 126.500000
3 2020-04-11 0 1 105.0 127.666667
4 2020-04-18 0 1 229.0 122.000000
5 2020-03-21 0 2 60.0 NaN
6 2020-03-28 0 2 50.0 NaN
7 2020-04-04 0 2 47.0 55.000000
8 2020-03-21 1 1 69.0 NaN
9 2020-03-25 1 1 95.0 NaN
10 2020-04-04 1 1 175.0 NaN
11 2020-03-21 1 2 66.0 NaN
12 2020-03-28 1 2 63.0 NaN
13 2020-04-18 1 3 82.0 NaN
14 2020-04-25 1 3 7.0 NaN
15 2020-05-02 1 3 78.0 44.500000
16 2020-05-09 1 3 34.0 55.666667
17 2020-05-16 1 3 36.0 50.250000
18 2020-03-21 1 4 81.0 NaN
性能
# create 1,999,997 records
df1 = pd.concat([df]*105263)
# change just the store id to create new groups
df1['id_store'] = pd.concat([df['id_store']+i for i in range(N)]).values
%timeit df1.groupby(['id_store', 'id_product', df1['date'].dt.weekday]).rolling(4, 2, closed='left').mean().values
57.9 s ± 1.58 s per loop (mean ± std. dev. of 7 runs, 1 loop each)
关于python - 如果条件成立,计算嵌套组的平均值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68470617/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!