我有一个数据帧,我想将虚行(现有行的副本)附加到数据帧
id month as_of_date1 turn age
119 5712 201401 2014-01-01 9 0
120 5712 201402 2014-02-01 9 1
121 5712 201403 2014-03-01 9 2
122 5712 201404 2014-04-01 9 3
123 5712 201405 2014-05-01 9 4
124 5712 201406 2014-06-01 9 5
125 9130 201401 2014-01-01 9 0
126 9130 201402 2014-02-01 9 1
127 9130 201403 2014-03-01 9 2
128 9130 201404 2014-04-01 9 3
129 9130 201405 2014-05-01 9 4
重影行由以下条件选择:
如果age小于turn,我们需要将最新的行追加到age== turn of
或as_of_date1 == now()
现在我正在使用下面的代码,但是由于数据很大,大约有20万行,有100个字段,所以它永远需要
tdf1=tdf.loc[(tdf['age']<tdf['turn'])]
tdf2=tdf1.drop_duplicates(subset=['id'],keep='last')
leads=tdf2.index.tolist()
for lead in leads:
ttdf=tdf.loc[[lead]]
diff1 = relativedelta.relativedelta(datetime.datetime(2018,6,1),tdf.loc[lead,'as_of_date1']).months
diff2=tdf.loc[lead,'turn']-tdf.loc[lead,'age']
diff=min(diff1,diff2)
for i in range(0,diff):
tdf = tdf.append(ttdf, ignore_index=True)
预期结果:
id month as_of_date1 turn age
119 5712 201401 2014-01-01 9 0
120 5712 201402 2014-02-01 9 1
121 5712 201403 2014-03-01 9 2
122 5712 201404 2014-04-01 9 3
123 5712 201405 2014-05-01 9 4
124 5712 201406 2014-06-01 9 5
125 9130 201401 2014-01-01 9 0
126 9130 201402 2014-02-01 9 1
127 9130 201403 2014-03-01 9 2
128 9130 201404 2014-04-01 9 3
129 9130 201405 2014-05-01 9 4
130 5712 201406 2014-06-01 9 5
131 5712 201406 2014-06-01 9 5
132 5712 201406 2014-06-01 9 5
133 5712 201406 2014-06-01 9 5
134 9130 201405 2014-05-01 9 4
135 9130 201405 2014-05-01 9 4
136 9130 201405 2014-05-01 9 4
137 9130 201405 2014-05-01 9 4
138 9130 201405 2014-05-01 9 4
如果有人知道更快的算法我会很感激的
正如@Parfit在注释中提到的那样,附加到数据帧实际上是占用内存的,在循环中执行它一点也不可取。所以我用了下面的方法,难以置信地提高了速度
相关问题 更多 >
编程相关推荐