作者a5170040 (Andy)
看板Python
標題[問題] pandas 條件加總
時間Fri Jan 11 21:09:46 2019
我有一組資料如下
Vendor Document Date Clearing Date Invoice_Amount
0 A 09/13/2016 11/04/2016 2,007,324.85
1 A 04/18/2016 07/11/2016 631,714.68
2 A 09/13/2016 09/16/2016 4,000,000.00
3 A 07/11/2017 09/23/2017 5,000,000.00
4 A 05/03/2016 06/17/2016 2,000,000.00
---------------------------------------------------------------
Vendor Document Date Clearing Date Invoice_Amount
1158 H 2017-04-21 2017-06-28 3,000,000.00
1159 H 2017-04-25 2017-05-19 1,000,000.00
1160 H 2017-11-03 2017-12-11 4,500,000.00
1161 H 2018-03-15 2018-05-27 3,500,000.00
1162 H 2018-02-21 2018-05-03 1,500,000.00
想要新增一個欄位，這個欄位的每一列會加總過去6個月內已經付款的數目(相同的Vendor)
每一個row i
1. 要去比較Document Date[i]有沒有大於整個資料的'Clearing Date'
2. 要去篩出在Document Date[i]建立以前的六個月內，有那些樣本
3. 要去篩出Vendor[i]在整個樣本的Vendor有哪些
目前寫法如下，是可以正確算出答案的，
但實際的資料有10萬多筆，計算時間非常久
想請問是否有更快的方法？
目前想說用df.apply(lambda...)，但一直寫不出來
import pandas as pd
df = pd.read_csv('E:\data.csv')
df['Document Date'] = pd.to_datetime(df['Document Date'],format="%m/%d/%Y")
df['Clearing Date'] = pd.to_datetime(df['Clearing Date'],format="%m/%d/%Y")
df["Sum_Paid"] = ""
for i in df.index:
Vendor= df.loc[i,"Vendor"]
Doc_Date= df.loc[i,"Document Date"]
Six_Month = Doc_Date - pd.Timedelta(days=180)
df.loc[i,"Sum_Paid"] = df.loc[(df["Vendor"] == Vendor) & (df["Clearing
Date"] < Doc_Date) & (df["Document Date"] >=
Six_Month),"Invoice_Amount"].count()
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.226.91.237
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1547212189.A.464.html
1F：推 Luluemiko: def test(row): six_month = Document Date - .... 01/11 22:08
2F：→ Luluemiko: return df.loc[(df["Vendor"] == Vendor).... 01/11 22:09
3F：→ Luluemiko: df['Sum_Paid'] = df.apply(test, axis = 1) 01/11 22:10
4F：→ a5170040: 好像不行耶...能再提示的更完整些嗎? 01/13 22:46
5F：→ a5170040: 多謝L大的回答 01/13 22:47
6F：→ Luluemiko: 我誤解了，因為有作搜尋，所以我的寫法是錯的 01/13 23:57