Python -对Pandas DataFrame中的数据执行FIFO操作

Question

我有一些潘达的数据看起来是这样的。

| DAY | IN  | OUT |
|-----|-----|-----|
|   1 | 100 |  50 |
|   2 |  20 |  60 |
|   3 |  10 |   5 |
|   4 |   5 |  15 |

这表示某一项进入队列的日期，以及从队列中出现了多少。当事情进入队列时，我实际上没有跟踪它们的方法，因此我假设它们是按顺序处理的，并且您有一个FIFO (先进先出)类型操作。

我想要做的是执行一个FIFO操作，这样我就可以看到操作花费了多少天。举个例子..。

| DAY | IN  | OUT |   1 |   2 |   3 |
|-----|-----|-----|-----|-----|-----|
|   1 | 100 |  50 |  50 |   0 |   0 |
|   2 |  20 |  60 |  10 |  50 |   0 |
|   3 |  10 |   5 |   0 |   5 |   0 |
|   4 |   5 |  15 |   0 |  10 |   5 |

我所附的最后3列表示在多少天内有多少人从进程中走出来。所以口头上说..。

• 第一天，100人进去，50人出来。因此，50只在1天内被处理，50只还在排队。
• 第二天，20人进去，60人出来。因此，先排完50人的队伍，用了2天的时间。其余的10个出来，在1天内完成。仍有10人排队。
• 第三天，10人进去，5人出来。因此，原来的10排排成了5队，这5名选手在两天内就完成了比赛。15人仍在排队。
• 第4天，5人进去，15人出来。因此，先前的15队列已经耗尽。5天完成，10天2天。5人仍在排队。
• 等。

有谁有一些代码(或伪代码)可以用节奏曲的方式来完成这个任务，最好是使用Pandas？

Answer 1

我已经编写了您需要的代码，它将返回您期望的结果(我添加了一些行来验证它)。如果您想要超过3天的延迟时间，也可以添加Supply列(很容易理解要做什么，它总是一样的)：

import pandas as pd

df = pd.DataFrame()
df['Day'] = [1, 2, 3, 4, 5, 6, 7]
df['In'] = [100, 20, 10, 5, 10, 10, 10]
df['Out'] = [50, 60, 5, 15, 5, 0, 20]

df['Supply'] = df.apply(lambda row: row['In']-row['Out'], axis=1)
df['Supply'] = df['Supply'].cumsum().shift(1).fillna(0)
df['1'] = df.apply(lambda row: row['Out'] - row['Supply'] if row['Supply'] < row['Out'] else 0, axis=1)
df['Supply-2'] = df.apply(lambda row: row['Supply'] - row['Out'] + row['1'], axis=1)
df['Supply-2'] = df['Supply-2'].shift(1).fillna(0)
df['2'] = df.apply(lambda row: row['Out'] - row['1'] - row['Supply-2'], axis=1)
df['3'] = df.apply(lambda row: row['Out'] - row['1'] - row['2'], axis=1)

print(df[['Day', 'In', 'Out', '1', '2', '3']])

返回：

   Day   In  Out     1     2     3
0    1  100   50  50.0   0.0   0.0
1    2   20   60  10.0  50.0   0.0
2    3   10    5   0.0   5.0   0.0
3    4    5   15   0.0  10.0   5.0
4    5   10    5   0.0   5.0   0.0
5    6   10    0   0.0   0.0   0.0
6    7   10   20   0.0  10.0  10.0

解释性：一切都是关于Supply的，它是In的数量，而In并不是Out。为了添加时间信息(因为Supply不知道In的年龄)，我们添加了Supply-2列，它量化了已经在这里2天的Supply的数量。只有数学之后，才能知道最后三栏的数量。

再见！