Как показано в этом коде, мне нужно использовать определенные данные в одной таблице в качестве основы для изменения другой таблицы и добавления некоторой информации. Когда такой тип табличной информации велик, этот метод принудительного обхода очень неэффективен. Как мне его изменить? Более того, необходимо сравнивать несколько листов, что еще больше снижает эффективность.
df = pd.DataFrame({'id': [123, 321, 456, 543], 'name': ['xxx', 'yyy', 'zzz', 'www']})
df.set_index('id', inplace=True)
df_1 = pd.DataFrame({'id': [123, 321, 456, 543], 'name': ['xxx', 'yyy', 'zzz', 'www'], 'complete': ['yes', 'yes', 'yes', 'yes'], 'course_name':['AA', 'BB', 'AA', 'DD'], 'complete_date': ['1.1', '1.2', '1.1', '1.5']})
df_1.set_index('id', inplace=True)
group_df = df_1.groupby('course_name')
info = dict()
for course_name, course_df in group_df:
info[course_name]=[]
def process(row):
info[course_name].append(Subscriber(*row.tolist()))
get_info = course_df.loc[course_df["complete"] == "yes"]
get_columns = ['name', 'complete_date']
finish_df = get_info[get_columns]
Subscriber = namedtuple('Subscriber', ['name', 'complete_date'])
finish_df.apply(process, axis = 1)
# print(info)
# {'AA': [Subscriber(name='xxx', complete='yes'), Subscriber(name='zzz', complete='yes')], 'BB': [Subscriber(name='yyy', complete='yes')], 'DD': [Subscriber(name='www', complete='yes')]}
'''modify df'''
names = set(df['name'])
for course in info.keys():
for name, date in info[course]:
if name in names:
df.loc[df['name'] == name, course] = date + 'yes'
pass
# print(df)
Подробнее здесь: https://stackoverflow.com/questions/785 ... ing-pandas
