使用兩個 Pandas 數據幀：在 DF1 中創建一個列，該列是對 df2 中的值組合在條件下出現的次數的計數

Question

我有兩個數據框，df2 是 df1 的子集。 數據代表呼叫中心的電話。 df1 是時間范圍內的所有呼叫，df2 表示在被接聽之前放棄的呼叫。

我想在 df2 中創建多個新列，這些列是放棄后回叫的行中電話號碼的次數。

df1：

聯系人 ID	ANI_DIALNUM	日期	時間	約會時間	棄
1323	1231231234	2021 年 1 月 1 日	13:30	2021 年 1 月 1 日 13:30	是
1324	1231231235	2021 年 1 月 1 日	16:30	2021 年 1 月 1 日 16:30	ñ
1325	1231231234	2021 年 1 月 1 日	17:30	2021 年 1 月 1 日 13:30	ñ

df2:

聯系人 ID	ANI_DIALNUM	日期	時間	約會時間	棄
1323	1231231234	2021 年 1 月 1 日	13:30	2021 年 1 月 1 日 13:30	是

• 新欄目 1：“PotentialSameDayCallBacks”
• 新欄目 2：“NextDayCallBacks
• 新列 3：“Next7DayCallBacks”

DF1 約為 750,000 行 DF2 約為 175,000 行

對於上面的小示例表，我期望 df2：

聯系人 ID	ANI_DIALNUM	日期	時間	約會時間	棄	潛在的SameDayCallBacks
1323	1231231234	2021 年 1 月 1 日	13:30	2021 年 1 月 1 日 13:30	是	1

我嘗試循環並使用 a.apply(lambda....) 但兩者都非常慢。

abandons['PotentialSameDayCallBacks'] = abandons.apply( lambda x: len(df[(df['Date'] == x['Date'])  & (df['ANI_DIALNUM'] == x['ANI_DIALNUM']) & (df['DateTime'] > x['DateTime'])]), axis=1 )

for index, row, in abandons.iterrows():
    abanCounts.append( df[(df['Date'] == row['Date']) & (df['ANI_DIALNUM'] == row['ANI_DIALNUM']) & (df['DateTime'] > row['DateTime'])]['contact_id'].count() )

abandons['PotentialSameDayCallBacks'] = abanCounts

我也嘗試過矢量化，但系列 / df 的長度不同，所以我一直在那里遇到障礙，我不知道如何解決。

def countPotentialCallBacks(ani,startDate,startTime):
    
    return df.loc[ (df['ANI_DIALNUM'] == ani) & (df['Date'] == startDate) & (df['DateTime'] > startTime) ]['contact_id'].count()

countPotentialCallBacks(abandons['ANI_DIALNUM'].values, abandons['Date'].values, abandons['DateTime'].values)

最好的方法是什么？ 我相信我有兩個可行的解決方案，它們非常慢。 我對這件事很陌生，所以我確信有更好的方法來處理它，有人能指出我正確的方向嗎？

Answer 1

這似乎有效，仍在驗證。

• 呼叫中心的巨大電話列表
• 當呼叫放棄時，當天的交易量百分比是回調的結果（如果呼叫放棄，我們在同一天再次看到該 ani 的頻率）
• 如果我們配備人員來防止 x 放棄，那么放棄引起的回調的真正影響是什么？
• 同樣的問題，但看第二天和接下來的 7 天

我可以用 sql 相當快地做到這一點，並不斷說服自己不要這樣做，在 memory 中使用 sqlite。 試圖用這個來學習 Pandas。

df = df.assign( PotentialSameDayCallBacks = df.sort_values('DateTime').groupby(['ANI_DIALNUM','Date']).cumcount())

df = df[df.abandon == 'Y']

df = df.groupby(['ANI_DIALNUM','Date'])['PotentialSameDayCallBacks'].max().sort_values(ascending=False).to_frame()

noSameDayCallBacks = df[df['PotentialSameDayCallBacks'] == 0]['PotentialSameDayCallBacks'].count()
sameDayCallBacks = df[df['PotentialSameDayCallBacks'] > 0]['PotentialSameDayCallBacks'].count()

sameDayCallBacks / df4['PotentialSameDayCallBacks'].count()