Python - Recherchev dans un intervalle (DataFrame ordonné)

Bonjour,

Supposons que nous ayons un portefeuille ou la répartition soit 20% de demoiselles, 30% d'hommes et 50% de femmes.

Pour simuler ce portefeuille je peux tirer un nombre aléatoire np.random.rand() entre 0 et 1 et affecter une catégorie (probabilité pondérée) comme suit :

Intervalle	Categorie	Proba_cumulee
0-20%	Demoiselles	0,2
21-50%	Hommes	0,5
51%-100%	Femmes	1

Je sais donc que je ne tomberai pas sur la valeur, c'est la raison pour laquelle je souhaite travailler en intervalle sachant que mes tables de paramétrages sont ordonnées du plus petit au plus grand.

Par exemple, je sais que dans mon portefeuille j'ai 20% de demoiselles, 30% d'hommes et 50% de femmes.
La méthode est alors de tirer un numéro aléatoire et s'il est <=20% j'affecte "Demoiselle", s'il est entre 20% et 50% j'affecte "Monsieur" et s'il est supérieur a 50% j'affecte "Madame"
Bien sur pour 3 lignes je peux faire :

Code:

---

1 2 3 4

for x in Base_client_RD : if x < 0.2 : Base_client_Sexe.append("D") elif x >0.2 and x < 0.5 : Base_client_Sexe.append("H") else : Base_client_Sexe.append("F")

---

Par contre, si nous passons au niveau des départements on a 100 valeurs et si on passe au niveau des codes postaux on passe a des valeurs trop importantes pour faire de la saisie.


Sur VBA ce que j'avais fait est :

Code:

---

1 2 3

If Ratio < V1 Then Sheets("Portefeuille_T0").Cells(1 + i, 3).Value = Sheets("Loi_age_zone").Range("O6").Value If Ratio >= V1 And Ratio < V2 Then Sheets("Portefeuille_T0").Cells(1 + i, 3).Value = Sheets("Loi_age_zone").Range("O7").Value If Ratio >= V2 And Ratio < V3 Then Sheets("Portefeuille_T0").Cells(1 + i, 3).Value = Sheets("Loi_age_zone").Range("O8").Value

---

Mais sous python, je ne vois pas.
Il y a une méthode avec des intervalles fixes (https://stackoverflow.com -> pandas-lookup-by-pd-interval) , mais ce n'est pas mon cas.
La méthode avec le merge.Asof ne fonctionne pas car dans la quasi totalité des cas sauf 3, cela ne renvoie rien.

Code:

---

pd.merge_asof(Part_C, Fichier_parametrage_Sexe, on='Part_C')

---

Si quelqu'un a une idée, cela serait super.
Bonne journée.
:roll:

Bonjour,

Peut-être une idée du style:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

from io import StringIO import pandas as pd   TESTDATA=StringIO("""Intervalle;Categorie;Proba_cumulee                   0-20%;Demoiselles;0,2                   21-50%;Hommes;0,5                   51%-100%;Femmes;1""")   df = pd.read_csv(TESTDATA, sep=";",dtype={'Proba_cumulee' : float },decimal=b',')   A=0.11 print(df.loc[(A <= df['Proba_cumulee'])].head(1))

---

Bonjour et merci, je vais regarder.

J'ai essayé la formule ci-dessous qui fonctionne également, mais elle me pose un problème de performance, sur des petites volumétries 5000 tests cela tourne en 10 secondes, mais si veux veux lancer 500 000 j'ai un petit problème.

Code:

---

1 2 3 4 5 6 7 8

for j in range(len(Base_client_1)): for k in range(len(Base_client_2)):   #if Base_client_Code_Alea.iloc[[j,1]]>Base_client_2.iloc[[k,'Part_C']] and Base_client_2.iloc[[k+1,'Part_C']]> Base_client_Code_Alea.iloc[[j,1]]: if Base_client_1.loc[j,'Part_C']>Base_client_2.loc[k,'Part_C'] and Base_client_2.loc[k+1,'Part_C']> Base_client_1.loc[j,'Part_C']: Base_client_1.loc[j,'Sexe']=Base_client_2.loc[k,'Nature'] if Base_client_2.loc[k+1,'Part_C']> Base_client_1.loc[j,'Part_C']: break

---

Bonjour,
j'apporte la réponse a la question que j'ai posé, car j'ai enfin trouvé.
Il ne faut pas faire de double boucle, mais utiliser la fonction merge_asof avec les paramétrages nécessaires.
Le résultat est quasi instantannée (520 ms) pour 5 millions de lignes.

Dans mon cas :

Code:

---

1 2 3

Base_client_1=Base_client_1.sort_values(by='Part_C_RD') Base_client_3=pd.merge_asof(Base_client_1,Base_client_2,left_on='Part_C_RD',right_on='Part_C',direction ='backward')

---

Attention, il faut trier le dataframe de gauche
Les options directions permettent ensuite de faire les bonnes sélections sur intervalles.

A bientôt pour de nouvelles aventures.