Python 对数据帧行进行高效迭代以计算新数据帧的值

我试图创建一个数据框架，其中列与售出商品的ID相关，行索引是购买这些商品的客户的ID。单元格应显示每个客户购买每件商品的金额。为了获得这些信息，我读取了CSV文件，该文件包含客户进行的每一笔交易的一行

该文件被解析为

frame_

变量。我在相应的列上使用

unique（）

函数检索客户和文章ID，并使用它们创建一个新的数据框架，将这些ID作为列标题和行索引

with open(f"{file_path}") as file:
    frame_ = pd.read_csv(file, sep="\t", header=None)
    
    customer_ids = list(frame_[customer_index].unique())
    item_ids = list(frame_[item_index].unique())
    
    frame = pd.DataFrame.from_dict(
        dict.fromkeys(item_ids, dict.fromkeys(customer_ids, 0)))

在下一步中，我想在

frame\uuz

上迭代检查每一行的3个值：

客户ID

项目ID

售出物品的数量

该金额应添加到当前值的

帧。在[customer\u id，item\u id]

处

for index, row in frame_.iterrows():
    customer = row[customer_index]
    item = row[item_index]
    amount = abs(float(row[2]))

    frame.at[customer, item] += amount

由于我使用了

iterrows（）

，
，这部分速度特别慢 我看了一些问题，但因为我不太清楚我到底在寻找什么，所以我找不到任何关于如何更有效地执行任务的解决方案

感谢您的时间和您能提供的任何建议

编辑：原始文件和

frame

dataframe包含约2.5 mil行

编辑2：添加了

框架的摘录

，“…”包含与本部分无关的其他信息。列标题实际上为0-8，添加了“ID”、“金额”、“itemID”和“customerID”以提高可读性：

ID ... amount ... ... itemID ... customerID ...
1  ... -5.0    ... ... 1258   ... 805214     ...
2  ... -10.0   ... ... 3658   ... 798125     ...
3  ... -7.5    ... ... 2056   ... 589012     ...

编辑3：预期输出如下所示：

       1258 3658 2056
805214 5.0  0    0
798125 0    10.0 0
589012 0    0    7.5

---

首先准备另一列金额的绝对值（尽管我不完全理解您需要什么

abs

和

float

——您的金额不是已经是正数了吗？）

然后按客户和项目索引汇总：

frame = frame_.groupby(["customerID", "itemID"])["amount1"].sum()

不需要显式迭代。如果需要，可以将结果转换为“宽”格式：

frame.unstack().fillna(0)
#itemID      1258  2056  3658
#customerID                  
#589012       0.0   7.5   0.0
#798125       0.0   0.0  10.0
#805214       5.0   0.0   0.0

---

你考虑过并行运行吗？这很容易。这是一个问题，你真的有负数吗？打电话给abs有什么意义？它们是负面的，因为销售将它们从库存中“删除”。我调用

abs

将它们转换为正值，这对我来说似乎更直观，但我得到以下错误：AttributeError:“DataFrame”对象没有属性“groupy”，是的，我可能不需要

float

强制转换。我只是有时候想确定一下，当然不是。错别字全是你的了。好吧，对不起，我的错。非常感谢-它似乎工作得很好！您可能需要再次检查是否需要

abs

。在你的问题中，这感觉完全不合适。

frame.unstack().fillna(0)
#itemID      1258  2056  3658
#customerID                  
#589012       0.0   7.5   0.0
#798125       0.0   0.0  10.0
#805214       5.0   0.0   0.0