filter1 = df['customer_planning_group'] == 'G01'
filter3 = df['calendar_yearweek'].between(201929,201939)
filter4 = df['SKU_Name'].isin(un_name)
final_filter = filter1 & filter3 & filter4
df[['calendar_yearmonth', 'calendar_yearweek','predictions', 'total_sales_volume']].where(final_filter).groupby('calendar_yearweek').sum()
到目前为止我所了解的
1.代码试图使用多个过滤器从数据帧中选择行
2.然后从结果中选择几列
3.然后根据“calendar\u yearweek”列对结果进行分组
4.然后计算各组的总和。
我的理解正确吗
这是对数据帧进行条件选择、分组和执行聚合求和的正确方法吗?
数据帧大小接近1GB,在不久的将来可能会增加到4GB
这些数据实际上属于mysql中的一个表,但是在那里用sql处理同样的事情需要花费大量的时间。
我转向python,认为在pandas中读取整个文件,然后处理将减少时间。
我现在想知道上述想法是否正确
目前没有回答
相关问题 更多 >
编程相关推荐