Python 创建库存历史记录的最有效方法是什么

我想知道，一年中的每一天，我有多少辆车在库存，每辆车在那一天有多少天在库存

我有移动的完整历史记录（每辆车进出库存的时间戳-出租、出售、维修等）。像这样：

car             in          out        status_id    operation
PZR4010 08/02/2018 08:55    08/02/2018 16:29    12  out_stock
QRX0502 07/02/2018 09:00    07/02/2018 10:28    7   in_stock
PYR8269 06/02/2018 17:10    09/02/2018 21:22    12  in_stock
QRG6455 06/02/2018 12:39                        8   sold
QRU1867 08/02/2018 08:00    09/02/2018 11:07    12  in_stock
PZR8528 06/02/2018 17:51    07/02/2018 07:46    10  out_stock
PZR7184 06/02/2018 16:00    08/02/2018 12:10    7   in_stock
PZR0386 08/02/2018 09:02    14/02/2018 14:53    10  out_stock
PZR8600 06/02/2018 16:00    07/02/2018 07:34    7   in_stock
PZR1787 06/02/2018 17:02    20/02/2018 17:33    12  in_stock

所以，对于每一辆车，我必须加入到它的库存中，知道它在那种状态下有多长时间

例如：

car     in                 out          status_id   operation
QRX0502 08/02/2018 08:55    09/02/2018 16:29    7   in_stock
QRX0502 07/02/2018 09:00    08/02/2018 08:55    7   in_stock
QRX0502 06/02/2018 17:10    07/02/2018 09:00    7   in_stock

将变得简单：

car          in                 out            status_id    operation
QRX0502 06/02/2018 17:10    09/02/2018 16:29    7   in_stock

在“输入”列中捕获最小时间戳，在“输出”列中捕获最大时间戳

我已尝试使用groupby+shift：

#'mov'是包含所有股票运动的数据帧
#我创建了一个列以更好地过滤groupby
mov['aux']=mov['car']+“-”+mov['operation']
#创建要作为输出的基本数据帧
hist_mov=pd.DataFrame（columns=list（mov.columns））
对于行，在mov.groupby（mov['aux'].ne（mov['aux'].shift（））.cumsum（）中操作：
g_temp=操作。分组方式（['car'，'operation'，]，
.agg（{'in'：'min'，'out'：'max'}）.reset_index（）
历史移动=历史移动附加（g\u temp，sort=True）

问题是整个数据库运行大约需要16个小时，我必须每天运行它，以更新库存状态

我想建立一些类似于：

添加到历史记录中的每一新行都将检查它是否与我的新基（hist_mov）中的任何一行连续。如果是，请更新该行。如果不是，则添加为新行

---

有什么想法吗？谢谢

我想这可能就是你想要的：

cols = ["car", "operation"]
pd.merge(df.groupby(cols)["in"].min().reset_index(), 
         df.groupby(cols)["out"].max().reset_index(), on=cols, how="outer")

编辑：

希望通过使用

trans_id

列来识别车辆进出的不同实例，这可以缓解评论中概述的问题：

df['trans_id'] = df['operation'].ne(df['operation'].shift()).astype(int) + df.index
cols = ["car", "trans_id", "operation"]
df_grouped = pd.merge(df.groupby(cols)["in"].min().reset_index(), 
         df.groupby(cols)["out"].max().reset_index(), on=cols, how="outer")
df_grouped.drop('trans_id', axis=1, inplace=True)
df_grouped

---

我想这可能就是你想要的：

cols = ["car", "operation"]
pd.merge(df.groupby(cols)["in"].min().reset_index(), 
         df.groupby(cols)["out"].max().reset_index(), on=cols, how="outer")

编辑：

希望通过使用

trans_id

列来识别车辆进出的不同实例，这可以缓解评论中概述的问题：

df['trans_id'] = df['operation'].ne(df['operation'].shift()).astype(int) + df.index
cols = ["car", "trans_id", "operation"]
df_grouped = pd.merge(df.groupby(cols)["in"].min().reset_index(), 
         df.groupby(cols)["out"].max().reset_index(), on=cols, how="outer")
df_grouped.drop('trans_id', axis=1, inplace=True)
df_grouped

---

我找到了答案

我第一次发布的代码几乎正确，但它有一个不必要的循环

1-首先，我按车辆和状态变化数据对项目进行排序：

mov=mov.sort_值（['car'，'in'，升序=False）

2-然后我开车去集束，并进行操作：

mov['aux']=mov['car']+“-”+mov['operation']
mov['cluster']=（mov.aux！=mov.aux.shift（））.cumsum（）

3-最后，我可以根据此群集Id进行分组，并获得最小“输入”值和最大“输出”值：

hist_mov=mov.groupby（['cluster'，'car'，'operation']）.agg（{'in'：'min'，
'out'：'max'}）.reset_index（）.copy（）

我找到了答案

我第一次发布的代码几乎正确，但它有一个不必要的循环

1-首先，我按车辆和状态变化数据对项目进行排序：

mov=mov.sort_值（['car'，'in'，升序=False）

2-然后我开车去集束，并进行操作：

mov['aux']=mov['car']+“-”+mov['operation']
mov['cluster']=（mov.aux！=mov.aux.shift（））.cumsum（）

3-最后，我可以根据此群集Id进行分组，并获得最小“输入”值和最大“输出”值：

hist_mov=mov.groupby（['cluster'，'car'，'operation']）.agg（{'in'：'min'，
'out'：'max'}）.reset_index（）.copy（）

此时，中的状态id并不重要。Is仅用于确定操作。合并解决方案不起作用，因为汽车可能有很长时间的库存，然后缺货，然后又有库存，等等。我想捕捉整个运动。使用此解决方案，每辆车只有一行“库存”和一行“缺货”。谢谢你的帮助！不幸的是没有。我认为它仍然需要循环，因为一个库存可以链接到另一个库存，然后依次类推，直到我找到每辆车在每个状态下的最大连续间隔@你如何知道一辆库存是否与另一辆库存相关联？如果时间戳out等于ohter行的时间戳in:so here:car in out status\u id operation QRX0502 08/02/2018 08:55 09/02/2018 16:29 7库存QRX0502 07/02/2018 09:00 08/02/2018 08:55 7库存QRX0502 06/02/2018 17:10 07/02/2018 09:00 7库存我知道这款on从06/02到09/02都在库存中，因为时间戳正在形成一个序列：“out”与以下“in”相同（并且仍然具有库存状态）。如果是一个缺货的中间环节，它应该会中断链接，我无法在这里粘贴为表，但我使用了相同的问题示例“因此，例如：…”直到“将变得简单”状态id在这一点上并不重要。Is仅用于确定操作。合并解决方案不起作用，因为汽车可能有很长时间的库存，然后缺货，然后又有库存，等等。我想捕捉整个运动。使用此解决方案，每辆车只有一行“库存”和一行“缺货”。谢谢你的帮助！不幸的是没有。我认为它仍然需要循环，因为一个库存可以链接到另一个库存，然后依次类推，直到我找到每辆车在每个状态下的最大连续间隔@你如何知道一辆库存是否与另一辆库存相关联？如果时间戳out等于ohter行的时间戳in:so here:car in out status\u id operation QRX0502 08/02/2018 08:55 09/02/2018 16:29 7库存QRX0502 07/02/2018 09:00 08/02/2018 08:55 7库存QRX0502 06/02/2018 17:10 07/02/2018 09:00 7库存我知道这款on从06/02到09/02都在库存中，因为时间戳正在形成一个序列：“out”与以下“in”相同（并且仍然具有库存状态）。如果是介于两者之间的缺货，它应该会断开我无法粘贴为表的链接，但我使用了相同的示例