无需循环即可高效创建数据帧

Question

我正在处理一些广告数据，例如电子邮件数据。我有两个数据集：

1. 一个在邮件层面，每个人，说明他们邮寄的日期，然后是他们转换的日期。

   import pandas as pd
   
   df_emailed=pd.DataFrame()
   df_emailed['person']=['A','A','A','A','B','B','B']
   df_emailed['day']=[2,4,8,9,1,2,5]
   df_emailed
   print(df_emailed)
   
     person  day
   0      A    2
   1      A    4
   2      A    8
   3      A    9
   4      B    1
   5      B    2
   6      B    5

2. 我有一个摘要数据框，说明是否有人转换，以及他们转换的那一天。

   df_summary=pd.DataFrame()
   df_summary['person']=['A','B']
   df_summary['days_max']=[10,5]
   df_summary['convert']=[1,0]
   print(df_summary)
   
     person  days_max  convert
   0      A        10        1
   1      B         5        0

我想将这些结合到最终的数据框中，对每个人说：

• 1到最大日期，
• 他们是通过电子邮件发送（0,1）还是在数据帧的最后一天，
• 他们是否转换（0,1）。

我们假设他们在数据帧的最后一天转换。

我知道要使用嵌套的for循环对此做，但我认为这是非常低效和有点愚蠢。有谁知道这样做的有效方法？

期望的结果

df_final=pd.DataFrame()
df_final['person']=['A','A','A','A','A','A','A','A','A','A','B','B','B','B','B']
df_final['day']=[1,2,3,4,5,6,7,8,9,10,1,2,3,4,5]
df_final['emailed']=[0,1,0,1,0,0,0,1,1,0,1,1,0,0,1]
df_final['convert']=[0,0,0,0,0,0,0,0,0,1,0,0,0,0,0]
print(df_final)

   person  day  emailed  convert
0       A    1        0        0
1       A    2        1        0
2       A    3        0        0
3       A    4        1        0
4       A    5        0        0
5       A    6        0        0
6       A    7        0        0
7       A    8        1        0
8       A    9        1        0
9       A   10        0        1
10      B    1        1        0
11      B    2        1        0
12      B    3        0        0
13      B    4        0        0
14      B    5        1        0

谢谢你，节日快乐！

Answer 1

高级方法涉及修改df_summary（别名df2）以获得我们的输出。我们需要

• set_index在days_max的df2专栏上的操作。我们还将名称更改为days（稍后会有所帮助）
• groupby加入person
• apply对指数进行reindex操作（天数，所以我们得到每天排到最后一天的行）
• fillna填充由于重新索引而生成的convert列中的NaNs
• assign为我们稍后设置的emailed创建一个虚拟列。

接下来，使用df_emailed索引上一个操作的结果。我们将使用这些值将相应的emailed细胞设置为1。这是通过使用loc的MultiIndexing完成的。

最后，使用reset_index将索引作为列。

def f(x):
    return x.reindex(np.arange(1, x.index.max() + 1))

df = df2.set_index('days_max')\
        .rename_axis('day')\
        .groupby('person')['convert']\
        .apply(f)\
        .fillna(0)\
        .astype(int)\
        .to_frame()\
        .assign(emailed=0)

df.loc[df1[['person', 'day']].apply(tuple, 1).values, 'emailed'] = 1
df.reset_index()

   person  day  convert  emailed
0       A    1        0        0
1       A    2        0        1
2       A    3        0        0
3       A    4        0        1
4       A    5        0        0
5       A    6        0        0
6       A    7        0        0
7       A    8        0        1
8       A    9        0        1
9       A   10        1        0
10      B    1        0        1
11      B    2        0        1
12      B    3        0        0
13      B    4        0        0
14      B    5        0        1

哪里

df1 = df_emailed

和，

df2 = df_summary