如何计算某一组内的组合？

Question

我有人在某些日期记录某些项目时间的数据。 所以我的表格看起来像这样：

ProjectID Date   memberID hours
project1  01.05  a        2
project1  01.05  b        5
project2  05.05  a        1
project2  05.05  b        2
project2  05.05  c        3
project3  07.06  a        4
project3  07.06  b        1
project3  07.06  c        2

等等

我现在想要做的是计算每个项目，对于该项目的项目成员的每个组合，他们在过去共同工作了多少时间。 如果他们都在一起工作，那么应该计算最少的小时数。 例如，如果成员1在项目上工作1小时而成员2工作2小时，那么它应该只计算1小时，因为第二个小时，他们不能一起工作。

例如

ProjectID Date   memberID1 memberID2 hoursworkedtogether
project1   01.05  a         b         0
project2   05.05  a         b         2
project2   05.05  a         c         0
project2   05.05  b         c         0
project3   07.06  a         b         3
project3   07.06  b         c         2
project3   07.06  a         c         1

我已经尝试使用数据透视表进行聚合，但这不起作用，因为两个项目成员将始终位于原始数据中的不同行中，并且数据透视图不会计算它看起来在同一行中的值组合。

一种方法是在所有项目上编写一个简单的循环和循环，但我觉得应该有一个更有效的选项，因为表非常大。

Answer 1

我不确定，如果这是最快的解决方案，但是带有列表pandas.apply()必须有点快...... ;-)

按ProjectID和Date数据进行分组，并使用itertools.combinations()创建每个项目的所有用户组合。

import pandas as pd
df = pd.DataFrame([['project1', '01.05', 'a', 2],
        ['project1', '01.05', 'b', 5],
        ['project2', '05.05', 'a', 1],
        ['project2', '05.05', 'b', 2],
        ['project2', '05.05', 'c', 3],
        ['project3', '07.06', 'a', 4],
        ['project3', '07.06', 'b', 1],
        ['project3', '07.06', 'c', 2]],
        columns=['ProjectID', 'Date', 'memberID', 'hours'])

from itertools import combinations
def calc_member_hours(project):
    data = [(x[0], 
             x[1], 
             *min(project['hours'][project['memberID']==x[0]].values,project['hours'][project['memberID']==x[1]].values)) 
                for x in list(combinations(project['memberID'],2))]
    df = pd.DataFrame(data, columns=['memberID1', 'memberID2', 'hoursworkedtogether'])
    return df

result_df = df.groupby(['ProjectID', 'Date']).apply(calc_member_hours)

result_df