我有两个独立的数据集
数据集1:已加载项及其加载时间的数据库。看起来像这样 Loaded DataSet
数据集2:已卸载项及其卸载时间的数据库。它与上面的数据集完全相似
hse时间格式为“2016-01-07 19:38:56”,即“YYYY-mm-dd HH:mm:SS”
现在我的练习是用相应的卸载时间、装载次数和卸载次数、当前状态[装载或卸载]标记每个装载的项目
数据集具有以下规则:
由于这是针对特定的时间范围,我们可以在数据集加载之前卸载项目[例如:我正在分析JFM'16的数据它可能在2015年12月之前加载,但在2016年1月卸载)
加载次数=卸载次数
现在我已经编写了一个算法来满足所有条件,并标记我需要的所有内容,但问题是我有一个400K的数据集,我的算法需要永远运行,因为我必须迭代加载帧中的每一行。你知道吗
有没有其他方法可以减少我的运行时间?你知道吗
这是我的密码:
Loaded_Frame = Loaded_Frame.sort_values(by=["BranchID","hse_time"],ascending=True)
Unloaded_Frame = Unloaded_Frame.sort_values(by["BranchID","hse_time"],ascending=True)
Grouped = Loaded_Frame.groupby(["BranchID","Item Name"]).agg({"weight":"count"}).reset_index()
Grouped.rename(columns={"weight":"LoadedCount"},inplace=True)
temp_frame = Unloaded_Frame.groupby(["BranchID","Item Name"]).agg({"weight":"count"}).reset_index()
temp_frame.rename(columns={"weight":"UnLoadedCount"},inplace=True)
Grouped = Grouped.merge(temp_frame,on=["BranchID","Item Name"],how="outer")
Grouped["UnLoadedCount"] = Grouped["UnLoadedCount"].fillna(0)
Grouped["LoadedCount"] = Grouped["LoadedCount"].fillna(0)
主要逻辑
import numpy as np
Final_Frame=Loaded_Frame.copy()
Final_Frame["Multiple Loads"]=np.nan
Final_Frame["Number of times Loaded"]=np.nan
Final_Frame["Number of times UnLoaded"]=np.nan
Final_Frame["UnLoaded Date"]=np.nan
Final_Frame["Load Status"]=np.nan
for i in Grouped.index:
x=UnLoaded_Frame[(UnLoaded_Frame["BranchID"]==Grouped.loc[i,"BranchID"])\
& (UnLoaded_Frame["Item Name"]==Grouped.loc[i,"Item Name"])].reset_index()
y=Loaded_Frame[(Loaded_Frame["BranchID"]==Grouped.loc[i,"BranchID"]) \
& (Loaded_Frame["Item Name"]==Grouped.loc[i,"Item Name"])].reset_index()
Loaded_Count=y["BranchID"].count()
Unloaded-Count=x["BranchID"].count()
if Loaded_Count==Unloaded: #Condition where both are equal
Multiple_Load=False
if Loaded_Count>1:
Multiple_Load=True
else:
Multiple_Load=False
for j in y.index:
Final_Frame.loc[((Final_Frame["BranchID"]==y.loc[j,"BranchID"]) \
& (Final_Frame["Item Name"]==y.loc[j,"Item Name"]) \
& (Final_Frame["hse_time"]==y.loc[j,"hse_time"]))\
,["Multiple Loads","Number of times Loaded","Number of times UnLoaded","UnLoaded Date","Load Status"]]\
=[Multiple_Load,Loaded_Count,UnLoaded_Count,x.loc[j,"hse_time"],"Unloaded"]
问题是,当我运行这段代码时,需要花费大量时间来迭代40万条记录。你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐