我有使用df.apply()
计算两个日期之间营业时间的工作代码。然而,考虑到我的df是~40k行,它是非常慢的,有没有办法我可以加快这一点通过矢量化?你知道吗
原始代码:
import datetime
import pytz
import businesstimedelta
import holidays as pyholidays
workday = businesstimedelta.WorkDayRule(
start_time=datetime.time(9),
end_time=datetime.time(17),
working_days=[0, 1, 2, 3, 4])
vic_holidays = pyholidays.AU(prov='VIC')
holidays = businesstimedelta.HolidayRule(vic_holidays)
businesshrs = businesstimedelta.Rules([workday, holidays])
def BusHrs(start, end):
return businesshrs.difference(start,end).hours+float(businesshrs.difference(start,end).seconds)/float(3600)
df['Diff Hrs'] = df.apply(lambda row: BusHrs(row['Updated Date'], row['Current Date']), axis=1)
提供:
Index Created Date Updated Date Diff Hrs Current Date
10086 2016-11-04 16:00:00 2016-11-11 11:38:00 35.633333 2018-05-29 10:09:11.291391
10087 2016-11-04 16:03:00 2016-11-29 12:54:00 132.850000 2018-05-29 10:09:11.291391
10088 2016-11-04 16:05:00 2016-11-16 08:05:00 56.916667 2018-05-29 10:09:11.291391
10089 2016-11-04 16:17:00 2016-11-08 11:37:00 11.333333 2018-05-29 10:09:11.291391
10090 2016-11-04 16:20:00 2016-11-16 09:58:00 57.633333 2018-05-29 10:09:11.291391
10091 2016-11-04 16:32:00 2016-11-08 11:10:00 10.633333 2018-05-29 10:09:11.291391
我可以看到它嘎吱作响,看起来可能需要5个多小时才能完成。你知道吗
奇怪的是,我有预感,两个日期越接近,计算速度就越快。
例如df['Time Since Last Update'] = df.apply(lambda row: BusHrs(row['Updated Date'], row['Current Date']), axis=1)
比
df['Time Since Last Update'] = df.apply(lambda row: BusHrs(row['Created Date'], row['Updated Date']), axis=1)
像这样的优化是一个步骤以上,我习惯了,所以任何帮助是感激的。你知道吗
如果要加快代码速度,可以首先重新定义函数:
然后,我想你可以通过计算两个连续更新日期之间的小时数,然后将这些部分计算相加,直到当前日期,来加快速度。您需要两个临时列,一个带有更改的更新日期,另一个带有部分工作时间
相关问题 更多 >
编程相关推荐