別のデータフレームの日付条件に基づいて新しい列を作成します

debugcn 投稿 Dev

ctd25

2つのデータフレームがあります。1つはトランザクション/注文情報を含み、もう1つはキャンペーンからの電子メールがいつ送信されるかを含みます。

import pandas as pd
email_data = {'Email' : ['[email protected]', '[email protected]', '[email protected]', '[email protected]'],
                     'email_sent_date' : ['2019-08-05', '2019-08-01', '2019-09-09', '2019-09-05'],
                     'CampaignName' : ['Campaign1', 'Campaign2', 'Campaign2', 'Campaign1']}

email_df = pd.DataFrame(email_data)

transaction_data = {'Email' : ['[email protected]', '[email protected]', '[email protected]', '[email protected]'],
         'order_date' : ['2019-09-05', '2019-09-10', '2019-09-05', '2019-09-10']}

transaction_df = pd.DataFrame(transaction_data)

私は質問に答えようとしています-特定のトランザクションについて、そのトランザクションの前に送信された最新の電子メールは何でしたか？

pd.applyを使用したソリューションがありますが、特に高速ではなく、トランザクション量が多い場合はおそらく持続可能ではありません。これを行うためのより良い方法があるかどうか疑問に思っています。

email_df.sort_values(by='email_sent_date', inplace=True)

def find_recent_email(x,df):
    #df should be the email_df, sorted by customer_email and date, in ascending order
    #so the most recent email is last
    return df[df['Email'] == x]['email_sent_date'].tail(1).values[0]

transaction_df['recent_email_date'] = pd.to_datetime(transaction_df['Email'].apply(find_recent_email, args=(email_df,)))

アンキー

最初に列を日時に変換します（すでに日時の場合-この手順は無視してください）。

email_df.email_sent_date=pd.to_datetime(email_df.email_sent_date)
transaction_df.order_date=pd.to_datetime(transaction_df.order_date)

両方のデータフレームの日付を並べ替えます。

a=email_df.sort_values('email_sent_date').drop('CampaignName',1)
b=transaction_df.sort_values('order_date')

を使用merge_asofすると、最初Emailにby=paramを使用してマージし、次にdirection='nearest'：を使用してasofマージを実行できます。

pd.merge_asof(a,b,by='Email',left_on='email_sent_date',
                   right_on='order_date',direction='nearest')

             Email email_sent_date order_date
0   [email protected]      2019-08-01 2019-09-05
1   [email protected]      2019-08-05 2019-09-05
2  [email protected]      2019-09-05 2019-09-05
3  [email protected]      2019-09-09 2019-09-10

使用したパラメータ：

by：列名または列名のリストマージ操作を実行する前に、これらの列を照合します。

left_by：列名左側のDataFrameで一致するフィールド名。

right_by：列名右側のDataFrameで一致するフィールド名。

方向：「後方」（デフォルト）、「前方」、または「最も近い」前、後、または最も近い一致を検索するかどうか。

また、次のようにtolerance読み取るparamを確認することもできます。