是否可以对 Pandas Dataframe 中的行的条件计数使用矢量化？答案

【问题标题】：Is it possible to use vectorization for a conditionnal count of rows in a Pandas Dataframe?是否可以对 Pandas Dataframe 中的行的条件计数使用矢量化？
【发布时间】：2023-03-30 22:35:01
【问题描述】：

我有一个 Pandas 数据框，其中包含有关通话的数据。每个呼叫都有一个唯一的 ID，每个客户都有一个 ID（但可以有多个呼叫）。第三列给出了一天。对于每个客户，我想计算在 7 天内拨打的最大电话次数。

我一直在使用下面的代码来统计每行通话后 7 天内的通话次数：

df['ContactsIN7Days'] = df.apply(lambda row: len(df[(df['PersonID']==row['PersonID']) & (abs(df['Day'] - row['Day']) <=7)]), axis=1)

输出：

CallID  Day PersonID    ContactsIN7Days
6       2   3           2
3       14  2           2
1       8   1           1
5       1   3           2
2       12  2           2
7       100 3           1

这可行，但是这将应用于大数据集。有没有办法让这更有效。通过矢量化？

【问题讨论】：

标签： python pandas dataframe vectorization

【解决方案1】：

IIUC 这是一个令人费解的问题，但我认为可以有效解决您的问题。请注意，您的数据帧的顺序因此被修改，并且您的 Day 列被修改为 timedelta dtype：

从你的数据框开始df:

   CallID  Day  PersonID
0       6    2         3
1       3   14         2
2       1    8         1
3       5    1         3
4       2   12         2
5       7  100         3

首先将 Day 修改为 timedelta 系列：

df['Day'] = pd.to_timedelta(df['Day'], unit='d')

然后，使用pd.merge_asof，将您的数据框与每个人在 7 天内的调用次数合并。为此，请使用 groupby 和 pd.Grouper，频率为 7 天：

new_df = (pd.merge_asof(df.sort_values(['Day']),
                        df.sort_values(['Day'])
                        .groupby([pd.Grouper(key='Day', freq='7d'), 'PersonID'])
                        .size()
                        .to_frame('ContactsIN7Days')
                        .reset_index(),
                        left_on='Day', right_on='Day',
                        left_by='PersonID', right_by='PersonID',
                        direction='nearest'))

您生成的new_df 将如下所示：

   CallID      Day  PersonID  ContactsIN7Days
0       5   1 days         3                2
1       6   2 days         3                2
2       1   8 days         1                1
3       2  12 days         2                2
4       3  14 days         2                2
5       7 100 days         3                1

【讨论】：