熊猫方法链接 - 基于多列标准的计算

Question

我已经开始尝试实现方法链接，以提高熊猫代码的可读性。但是，我很难根据其他三列中的值标准来分配新计算的列。

我要做的是根据运输日期与交货尝试日期计算不同国家，运营商和承运人服务的运输日。在运输日期和交货日的工作日（计算），市场，运营商和服务（标准）之间存在差异。

如果没有方法链，我将使用以下来计算运输日：

• df.loc [（criteria1），'transit_days'] = np.busday_count（shitped_date，from_date，from_date，weekmask ='1111100'）
• df.loc [（criteria2），''' transit_days'] = np.busday_count（shitepped_date，from_date，weekmask ='1111110'）
• df.loc [（criteria3），'transit_days'] = np.busday_count（shotepped_date，fightect_date，fightate，lofe_date，work_date，weekmask ='1111111'

）我想出的解决方案是“ .apply”方法，并使用IF/else语句创建一个自定义功能，在计算数百万行时，它不是理想且速度很慢。有什么建议吗？

编辑，添加代码，到目前为止的进度：

df = (pd
      .read_csv(filepath_or_buffer='data.csv')
      
      # Re-formating the column names to lowercase and replacing spaces with underscores
      .rename(columns=clean_column_names)
      
      # Filtering results to include only express orders
      .query('service_level == "Express"')
      
      # Dropping rows without delivery attempt
      .dropna(subset=['initial_delivery_attempt_date', 'available_for_pickup_time', 'final_delivery_date'], how='all')
      
      # Assigning new columns
      # 1. first_attempt = defining the first attempted delivery date
      # 2. transit_days = specific transit days for market 
      .assign(first_attempt = lambda x: x[['initial_delivery_attempt_date', 'available_for_pickup_time', 'final_delivery_date']].min(axis=1).astype('datetime64[D]'),
             transit_days = [STUCK HERE])
    )
df

edit2 ，我想通过定义通过通过通过数据框来通过数据框来通过LOC运算符进行相同方式的方法lambda：

首先创建功能：

def calculate_transit_days(df):
    df = df.copy()

    mask1 = (df['carrier'] == 'Carrier_1')
    mask2 = (df['carrier'] == 'Carrier_2')
    
    df.loc[mask1, 'new_column'] = np.busday_count(df.loc[mask1, 'shipped_time'].values.astype('datetime64[D]'), df.loc[mask1, 'first_attempt'].values.astype('datetime64[D]'), weekmask='1111111')
    df.loc[mask2, 'new_column'] = np.busday_count(df.loc[mask2, 'shipped_time'].values.astype('datetime64[D]'), df.loc[mask2, 'first_attempt'].values.astype('datetime64[D]'), weekmask='1111110')
    
    return df['new_column']

然后在lambda中分配了函数：

df = (pd
      .read_csv(filepath_or_buffer='data.csv')
      
      # Re-formating the column names to lowercase and replacing spaces with underscores
      .rename(columns=clean_column_names)

      # Filtering results to include only express orders
      .query('customer_level_of_service == "Express"')
      
      # Dropping rows without delivery attempt
      .dropna(subset=['initial_delivery_attempt_date', 'available_for_pickup_time', 'delivery_date'], how='all')
      
      # Finding the first attempt date
      .assign(first_attempt = lambda x: x[['initial_delivery_attempt_date', 'available_for_pickup_time', 'delivery_date']].min(axis=1),
              transit_days = lambda x: calculate_transit_days(x))
      
     )

edit3：

，而不是用.loc＆amp;面具，我注意到NP.SELECT在这里很有用。首先将所有NP.SELECT（条件）定义到适用于WeekMask（'1111110'）和（1111111'）的列表，然后使用NP.Select（ChoiceList）运行正确的BusDay_count函数，并输入WeekMask（'1111100 '）默认。

在下面的示例中，我列出了两个简化的条件标准和两个NP.busday_count逻辑，因此两个列表的长度均为2。然后，默认的WeekMask为Mon -Fri（'1111100'）。

def calculate_transit_days(df):
    df = df.copy()

    # Defining conditions into a list
    conditions = [
        # Conditions 1
            ((df['carrier'] == 'Carrier_1') | (df['shipped_time'].dt.weekday == 6)) |
            ((df['carrier'] == 'Carrier_2') | (df['shipped_time'].dt.weekday == 6)),
        
        # Conditions 2
            ((df['carrier'] == 'Carrier_3'))
    ]

     # Defining calculation for conditions
    choices = [
        # Choice for condition 1
        (np.busday_count(df['shipped_time'].values.astype('datetime64[D]'), df['first_attempt'].values.astype('datetime64[D]'), weekmask='1111111')),
        
        # Choice for condition 2
        (np.busday_count(df['shipped_time'].values.astype('datetime64[D]'), df['first_attempt'].values.astype('datetime64[D]'), weekmask='1111110'))
    ]
    
    
    
    df['new_column'] = np.select(
                                condlist = conditions, 
                                choicelist = choices,
                                default = np.busday_count(df['shipped_time'].values.astype('datetime64[D]'), df['first_attempt'].values.astype('datetime64[D]'), weekmask='1111100')
         )
    
    return df['new_column']

Answer 1

想到的想法比您拥有3个非常清晰的说明要干净。

例如，您可以计算3种方法，并将它们乘以条件。

一条线

df['transit_days'] = (
    criteria1 * np.busday_count(shipped_date, attempt_date, weekmask='1111100') + 
    criteria2 * np.busday_count(shipped_date, attempt_date, weekmask='1111110') +
    criteria3 * np.busday_count(shipped_date, attempt_date, weekmask='1111111')
)