0
我有一个有两列 - “日”和“事件”的熊猫数据框。在每一天,可以发生任意数量的事件,每个事件都由char表示。我想构建一个额外的列,指示自上次事件发生以来已经过去了多少天。下面的代码可以说明这一点:Python 3.6:Pandas - 获取较早的DataFrame列的条目发生
>>> import pandas as pd
>>> event_data = pd.DataFrame({'Day':[1,1,1,1,2,2,2,3,3,4,4,4,4],
'Event':['A','B','C','D','B','F','A','B','C','G','A','B','D']})
>>> print(event_data)
Day Event
0 1 A
1 1 B
2 1 C
3 1 D
4 2 B
5 2 F
6 2 A
7 3 B
8 3 C
9 4 G
10 4 A
11 4 B
12 4 D
我想的附加列“days_since_event”将如下所示:
Day Event Days_since_event
0 1 A -1
1 1 B -1
2 1 C -1
3 1 D -1
4 2 B 1
5 2 F -1
6 2 A 1
7 3 B 1
8 3 C 2
9 4 G -1
10 4 A 2
11 4 B 1
12 4 D 3
第12行具有值3作为事件“d”发生在第4天,并之前的事件发生在第1天,这意味着事件'D'最后一次发生后已过去3天。值为-1的行表示该事件在当天的第一次发生。
什么是这样做的计算最佳方式?原始数据集有超过1000万行,使用循环或重复数据子集过慢。
工程就像一个魅力。谢谢,dune_dweller :) –