1

Estoy intentando pasar una fórmula de Excel a Python. La fórmula funciona bien pero se demora bastante en hacer el recorrido. Se tienen 4 columnas:

Ceros,ID,FechaIngreso,FechaSalida.

Las condiciones de Excel son las siguientes =SI(Y(B3=B2;C3=C2;D3="";D2<>"");1;0) La primera fila no se toca y la fórmula se aplica a partir de la segunda fila.

El código que hice en python es el siguiente

n=df.shape[0]

for i in range(1,n) :
    if ( df["ID"][i]==df["ID"][i-1] and df["FechaIngreso"][i]==df["FechaIngreso"][i-1] and
       str(df["FechaSalida"][i])==str( pd.NaT ) and str(df["FechaSalida"][i-1])!=str( pd.NaT ) ):   df["Ceros"][i]=1
    else : df["Ceros"][i]=0
}


for i in range(1,n):
    if (df.loc[i,'Ceros']==1 ) : df.loc[i,'FechaSalida']=df.loc[i-1,'FechaSalida']
    else : df.loc[i,'FechaSalida']=df.loc[i,'FechaSalida']

Como lo mencioné, hace lo que necesito pero se demora mucho. Hay alguna manera de optimizar el código?

Adjunto dataframe.Enlace base Formulada

1
  • Estas usando pandas?
    – Christian
    Commented el 19 may. 2022 a las 22:44

1 respuesta 1

1

Definitivamente puedes optimizar tu código y bastante, utilizando la manera de trabajar con pandas como un todo, y no como lo estás haciendo celda por celda. Una posible vía:

import pandas as pd

df = pd.read_excel("Formulada.xlsx")
dfshift = df.shift(1)

x = df == dfshift
df["Ceros"] = x["FechaIngreso"] & x["ID"] & df["FechaSalida"].isna() & dfshift["FechaSalida"].notna()
df["Ceros"] = df["Ceros"].astype(int)

df.loc[df.Ceros == 1, "FechaSalida"] = dfshift["FechaSalida"]
print(df)

Que da como salida:

    Ceros  ID FechaIngreso FechaSalida   FechaAct
0       0   1   2020-11-01  2021-01-13 2021-07-31
1       0   1   2020-11-01  2021-01-12 2021-01-13
2       1   1   2020-11-01  2021-01-12 2021-01-12
3       0   1   2020-11-01         NaT 2021-07-31
4       0   5   2022-04-25         NaT 2022-04-25
5       0  15   2018-11-20  2019-11-08 2019-11-08
6       0  16   2021-02-09         NaT 2021-07-31
7       0  17   2021-07-31  2021-12-13 2021-12-13
8       0  18   2022-04-12  2022-04-29 2022-04-29
9       1  18   2022-04-12  2022-04-29 2022-04-12
10      0  18   2022-02-10         NaT 2022-02-14
11      0  19   2020-08-10  2020-10-07 2020-10-07
12      0  20   2022-03-18  2022-04-11 2022-04-11
13      0  20   2020-08-18         NaT 2020-08-19
14      0  21   2020-11-01  2022-02-02 2021-10-31
15      1  21   2020-11-01  2022-02-02 2021-11-10
16      0  21   2020-11-01         NaT 2021-07-31
17      0  32   2022-04-25         NaT 2022-04-25
18      0  32   2022-03-25  2022-04-04 2022-04-04
19      1  32   2022-03-25  2022-04-04 2022-03-25
20      0  32   2022-01-25  2022-02-11 2022-02-11
21      0  33   2022-04-12  2022-04-26 2022-04-26
22      1  33   2022-04-12  2022-04-26 2022-04-12
23      0  33   2022-02-10         NaT 2022-02-21
24      0  34   2021-07-26         NaT 2021-07-28
25      0  35   2022-02-08  2022-03-10 2022-03-10
26      1  35   2022-02-08  2022-03-10 2022-02-08
27      0  36   2021-07-31  2022-05-04 2022-05-04
28      0  37   2022-04-25  2022-05-04 2022-05-04
29      0  38   2022-04-12  2022-05-04 2022-05-04
2
  • Muchas gracias, esa manera redujo el trabajo de 7 minutos a 1 segundo! Fascinante.
    – Eddie
    Commented el 24 may. 2022 a las 19:38
  • Wow! Si que hizo diferencia. Me alegra te haya funcionado. Si hay algo que debes evitar a toda costa cuando estás trabajando con pandas son los ciclos. Generalmente los ciclos en tu código para iterar tu dataframe son señales de que estás haciendo algo mal.
    – Jaime
    Commented el 24 may. 2022 a las 19:47

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.