Python 以矢量化形式计算一列中的日期早于另一列中的日期（加上附加条件）的行（熊猫）

我有一份来自kaggle的医疗预约资料。有预约的日期（ScheduledDay）和预约的日期（AppointmentDay）。还有patientId和许多患者进行了多次预约，无论他们是否出现

我想对同样的患者做一个cumcount类的事情，他们没有出现（没有出现=‘是’），但只针对预约时已经出现的没有出现的情况

这是我计算每位患者预约次数的代码，可以

df.sort_values(by='ScheduledDay', inplace=True)

df['book_count'] = df.groupby('PatientId').cumcount()

但对于我的问题，我不知道怎么做才能使它如此整洁。我已经做了，但它没有矢量化，需要在行中循环。不用说，这需要很长时间

final_index = df.index.tolist()[-1]

df['miss_count'] = np.NaN
for i in df['ScheduledDay'].iteritems():
    print(f'{final_index} -- {i[0]}')

    patient = df.loc[i[0], 'PatientId']

    count = df.loc[
        (df['AppointmentDay'] < i[1])
        & (df['No-show'] == 'Yes')
        & (df['PatientId'] == patient)].shape[0]

    df.loc[i[0], 'miss_count']  = count

    print(f'\n{count}\n')

final_index=df.index.tolist（）[-1]
df['miss_count']=np.NaN
对于df['ScheduledDay']中的i。iteritems（）：
打印（f'{final_index}--{i[0]}'）
patient=df.loc[i[0]，'PatientId']
计数=df.loc[
（df['AppointmentDay']

因此，在本例中，我没有使用cumcount，因为我不知道如何只过滤以前发生过的日期

---

然后会出现一列，记录患者预约的次数，并且在当前预约之前没有出现。

我认为您可以使用pandas函数，它允许您在数据帧的每一行（或每一列）上运行任意函数

例如：

def count_missed_apts_before_now(row, df):
    subdf = df.query("AppointmentDay<@row.ScheduledDay and `No-show`=='Yes' and PatientId==@row.PatientId")
    return len(subdf)
    
missed_apt_counts = df.apply(count_missed_apts_before_now, axis=1, args = (df,))

def count\u missed\u apts\u before\u now（行，df）：
subdf=df.query（“AppointmentDay太棒了！我对它进行了测试，它占用了我方法60%的时间，并精确地复制了它。@row部分是我还没有学会的。参数args=（df，）是如何实现的工作？参数是row和df，但在调用函数时未指定row？我无法联机找到任何东西来解释如何使用
。apply（）
自动传递第一个参数（
row
）（或者如果使用
axis=0
，则函数的第一个参数将是列）因此，
args
参数只需要将任何附加的位置参数传递给函数，这些参数需要作为元组传递，即
（df，）
（还解释了如何使用
**kwds
传递任何关键字args）