behavir_2c = behavir_2b['道具ID'] ic_libao_idh = ic_libaoh1[ic_libaoh1['道具ID'].isin(behavir_2c)]['package_id'] bigR_user_pac = bigR_user[bigR_user['package_id'].isin(ic_libao_idh)][['package_id']] ic_libao_idh1 = pd.merge(bigR_user_pac,ic_libaoh1,how = 'left',on = 'package_id') ic_libao_idha = ic_libao_idh1[ic_libao_idh1['道具ID'].isin(behavir_2c)].groupby('道具ID').sum().sort_values(by='道具数量',ascending=False) ic_libao_idhb = ic_libao_idha[['道具数量','道具美元']].reset_index() behavir_libaoh = pd.merge(behavir_2b,ic_libao_idhb,how = 'left',on = '道具ID').fillna(0) behavir_libaoh = pd.merge(behavir_libaoh,behavir_add_pay,how = 'left',on = '道具ID').fillna(0) behavir_libaoh = pd.merge(behavir_libaoh,behavir_add_notpay,how = 'left',on = '道具ID').fillna(0) behavir_libaoh = pd.merge(behavir_libaoh,ic_daoju_gems,how = 'left',on = '道具ID').fillna(0) behavir_libaoh['礼包道具钻石'] = behavir_libaoh['道具数量']*behavir_libaoh['道具原价'] behavir_libaoh['add_count_pay_zuan'] = behavir_libaoh['add_count_pay']*behavir_libaoh['道具原价'] behavir_libaoh['add_count_notpay_zuan'] = behavir_libaoh['add_count_notpay']*behavir_libaoh['道具原价'] behavir_libaohh = behavir_libaoh.groupby('item_class').sum().sort_values(by='add_count_pay_zuan',ascending=False).reset_index() behavir_libaohh1 = behavir_libaohh.rename(columns={'item_class': '道具类别'}) ic_daojua = behavir_libaohh1[['道具类别','del_count','道具消耗钻石','道具数量','道具美元','add_count_pay','add_count_notpay','礼包道具钻石','add_count_pay_zuan','add_count_notpay_zuan']]

时间: 2024-01-31 18:04:56 浏览: 30
以下是对上述代码的优化版本: ```python behavir_2c = behavir_2b['道具ID'] ic_libao_idh = ic_libaoh1.loc[ic_libaoh1['道具ID'].isin(behavir_2c), 'package_id'] bigR_user_pac = bigR_user.loc[bigR_user['package_id'].isin(ic_libao_idh), ['package_id']] ic_libao_idh1 = pd.merge(bigR_user_pac, ic_libaoh1, how='left', on='package_id') ic_libao_idha = ic_libao_idh1.loc[ic_libao_idh1['道具ID'].isin(behavir_2c)].groupby('道具ID').sum().sort_values(by='道具数量', ascending=False) ic_libao_idhb = ic_libao_idha[['道具数量', '道具美元']].reset_index() behavir_libaoh = pd.merge(behavir_2b, ic_libao_idhb, how='left', on='道具ID').fillna(0) behavir_libaoh = pd.merge(behavir_libaoh, behavir_add_pay, how='left', on='道具ID').fillna(0) behavir_libaoh = pd.merge(behavir_libaoh, behavir_add_notpay, how='left', on='道具ID').fillna(0) behavir_libaoh = pd.merge(behavir_libaoh, ic_daoju_gems, how='left', on='道具ID').fillna(0) behavir_libaoh['礼包道具钻石'] = behavir_libaoh['道具数量'] * behavir_libaoh['道具原价'] behavir_libaoh['add_count_pay_zuan'] = behavir_libaoh['add_count_pay'] * behavir_libaoh['道具原价'] behavir_libaoh['add_count_notpay_zuan'] = behavir_libaoh['add_count_notpay'] * behavir_libaoh['道具原价'] behavir_libaohh = behavir_libaoh.groupby('item_class').sum().sort_values(by='add_count_pay_zuan', ascending=False).reset_index() behavir_libaohh1 = behavir_libaohh.rename(columns={'item_class': '道具类别'}) ic_daojua = behavir_libaohh1[['道具类别', 'del_count', '道具消耗钻石', '道具数量', '道具美元', 'add_count_pay', 'add_count_notpay', '礼包道具钻石', 'add_count_pay_zuan', 'add_count_notpay_zuan']] ``` 此优化版本的代码主要进行了以下改进: - 使用 `.loc` 进行条件筛选和索引操作,而不是使用多个索引操作。 - 使用 `fillna(0)` 来填充缺失值,而不是进行显式的赋值操作。 - 在 `groupby` 和 `sort_values` 操作中使用 `reset_index()`,以重置索引并生成新的数据框。 - 使用 `.rename()` 来重命名列名,以提高代码的可读性。 这些优化改进可以使代码更加简洁、高效和易读。

相关推荐

rar

最新推荐

recommend-type

微信小程序-番茄时钟源码

微信小程序番茄时钟的源码,支持进一步的修改。番茄钟,指的是把工作任务分解成半小时左右,集中精力工作25分钟后休息5分钟,如此视作种一个“番茄”,而“番茄工作法”的流程能使下一个30分钟更有动力。
recommend-type

激光雷达专题研究:迈向高阶智能化关键,前瞻布局把握行业脉搏.pdf

电子元件 电子行业 行业分析 数据分析 数据报告 行业报告
recommend-type

安享智慧理财测试项目Mock服务代码

安享智慧理财测试项目Mock服务代码
recommend-type

课程设计 基于SparkMLlib的ALS算法的电影推荐系统源码+详细文档+全部数据齐全.zip

【资源说明】 课程设计 基于SparkMLlib的ALS算法的电影推荐系统源码+详细文档+全部数据齐全.zip课程设计 基于SparkMLlib的ALS算法的电影推荐系统源码+详细文档+全部数据齐全.zip 【备注】 1、该项目是高分毕业设计项目源码,已获导师指导认可通过,答辩评审分达到95分 2、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 3、本项目适合计算机相关专业(如软件工程、计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也可作为毕业设计、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 4、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
recommend-type

华中科技大学电信专业 课程资料 作业 代码 实验报告-雷达与信息对抗-内含源码和说明书.zip

华中科技大学电信专业 课程资料 作业 代码 实验报告-雷达与信息对抗-内含源码和说明书.zip
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。