我有三个不同的实体:机会,帐户,活动。

我需要以一种特殊的方式将它们结合起来。让我解释一下它们之间的关系:


机会N-1帐户
帐户1-N活动


另外,值得注意的是


机会包含以下字段:{ opp_id ; opp_date ; acc_id}
活动具有以下字段:{ act_id ; act_date ; acc_id }


我想实现的是,在商机日期之前X天完成的活动数量插入到商机中。

我目前正在这样做:

a_new_df = pd.DataFrame(columns=['acc_id',"opp_id", "opp_date", "act_90", "act_180"])

for index, opp_row in Opportunity.iterrows():
    account = opp_row["acc_id"]
    opportunity = opp_row["opp_id"]
    opp_date = opp_row["opp_date"]
    act_90, act_180 = 0, 0
    for index, act_row in activities_step_7.iterrows():
        if acc == act_row["acc_id"]:
            days = (pd.to_datetime(opp_date) - pd.to_datetime(act_row["act_date"])).days
            if days<=90:
                act_90+=1
            elif days<=180:
                act_180+=1
    events_df = events_df.append({
        "acc_id": account,
        "opp_id":  opportunity,
        "opp_date" : dat,
        "act_90" :  act_90,
        "act_180" : act_180,
      }, ignore_index=True)


最后,我在机会和新的df之间做了一个merge()。当然,该操作需要永远的时间。但是,我不知道如何改善这一点。

主要问题是,我需要向“机会”中插入一些统计信息,这些统计信息需要同时包含“机会”和“活动”中的数据,但是我无法事先合并它们,因为对于每个机会,我都有多个活动要考虑(并且您不能进行左联接当您有重复项时)

任何的想法?非常感谢!



编辑1

如果这是我的机会表:

    opp_date    acc_id  opp_id
0   05.08.2019  acc1    opp1
1   25.03.2019  acc2    opp2
2   27.08.2019  acc1    opp3
3   02.09.2019  acc1    opp4
4   22.07.2019  acc3    opp5


这是我的活动表:

    acc_id  act_date
0   acc1    25.07.2019
1   acc1    26.07.2019
2   acc1    31.07.2019
3   acc1    28.07.2019
4   acc1    02.09.2019
5   acc1    02.09.2019
6   acc1    31.07.2019
7   acc1    02.09.2019
8   acc1    24.07.2019
9   acc1    25.07.2019
10  acc2    31.03.2019
11  acc3    31.07.2019
12  acc2    24.03.2019
13  acc3    13.05.2019
14  acc3    05.02.2019
15  acc3    30.05.2016
16  acc3    30.11.2017
17  acc3    11.04.2016
18  acc3    19.01.2018
19  acc3    19.01.2018
20  acc2    24.03.2019
21  acc1    04.08.2019
22  acc1    20.10.2019


那么预期的输出是:

    opp_date        acc_id  opp_id      act_90  act_180
0   05.08.2019      acc1    opp1        4       4
1   25.03.2019      acc2    opp2        0       0
2   27.08.2019      acc1    opp3        7       8
3   02.09.2019      acc1    opp4        0       0
4   22.07.2019      acc3    opp5        2       2

最佳答案

您可以使用某些pandas内置函数代替for循环。此结果与您在问题中发布的“预期输出”略有不同,但我认为它符合您的描述。

让我们将第一个数据帧称为df1,将第二个数据帧称为df2
我们可以通过将其写成一个函数并将其apply而不是在行上进行迭代来计算满足您条件的活动数量:

def count_activities(row, act_df, days):
    return (act_df['act_date'].between(row['opp_date'] -pd.Timedelta(days=days), row['opp_date'])
            & (act_df['acc_id']==row['acc_id'])).sum()


由于我们在上面的函数中进行了计数,因此加入不是问题:

def add_count_activities_column(opp_df, act_df, days):
    return opp_df.join(opp_df.apply(lambda row: count_activities(row,act_df,days), axis=1).rename('act_{}'.format(days)))


结果:

df3 = add_count_activities_column(df1, df2, 90)
df3 = add_count_activities_column(df3, df2, 180)


我的df3

    opp_date    acc_id  opp_id  act_90  act_180
0   2019-05-08  acc1    opp1    4   4
1   2019-03-25  acc2    opp2    2   2
2   2019-08-27  acc1    opp3    7   8
3   2019-02-09  acc1    opp4    3   3
4   2019-07-22  acc3    opp5    2   2


ps。 -我会使用opp_id作为df1.set_index('opp_id', inplace=True)的索引。

10-06 05:23
查看更多