Ich habe zwei Dataframes:
1. Mengenrestriktion_groups sieht folgendermaßen aus:
- Produktgruppe1 Produktgruppe2 Produktgruppe3 ...
Montag_Min 3264 768 0 ...
Montag_Max 3456 1728 192 ...
Dienstag_Min 3264 768 0 ...
Dienstag_Max 3456 1728 192 ...
Mittwoch_Min 3264 768 0 ...
Mittwoch_Max 3456 1728 192 ...
Donnerstag_Min 3264 768 0 ...
Donnerstag_Max 3456 1728 192 ...
Freitag_Min 3264 768 0 ...
Freitag_Max 3456 1728 192 ...
Index = Min/Max Limits der Wochentage
columns sind die Produktgruppen
data sind die anzahl der erlaubten Produkte jeder Gruppe, die an den entsprechenden Tagen mindestens/maximal produziert werden sollen
- Produktname1 Produktname2 Produktname3 ...
Produktgruppe1 0 1 1 ...
Produktgruppe2 1 0 0 ...
Produktgruppe3 0 1 0 ...
... ... ...
[16 rows x 717 columns]
Index = Die Produktgruppen (entsprechen auch den Produktgruppen aus Mengenrestriktion_groups)
columns = Name von einzelnen Produkten
values = 1, wenn Produkt in Produktgruppe ist, sonst 0
Dazu schaue ich zuerst nach unter welche Produktgruppen das Produkt fällt (Mithilfe Mengenrestriktionen_products). Das summiere ich für jedes Produkt und jede Produktgruppe auf und schaue dann ob der Wert der Produktgruppen innerhalb der Limits aus Mengenrestriktionen_groups liegt.
Dazu hier mein Code:
Code: Alles auswählen
def adjust_to_minmax_frame(self, products,dates, df_mengenrestiktion_products:pd.DataFrame):
products_adjusted = []
dates_adjusted = []
for product,day in zip(products, dates):
if product in df_mengenrestiktion_products.columns:
#es werden immer 48 Produkte produziert
product_value = df_mengenrestiktion_products[product] * 48
#doppeltes hinzufügen der Anzahl, da es mit min und mit max restriktion verrechnet werden soll
products_adjusted.extend([product_value, product_value])
dates_adjusted.extend([day.strftime('%A')+"_Min", day.strftime('%A')+"_Max"])
return products_adjusted, dates_adjusted
def create_schedule_dataframe(self, Mengenrestriktion_groups: pd.DataFrame, Mengenrestriktion_product: pd.DataFrame):
#erstellen von DataFrame um es anschließend mit Anzahl der produzierten Produkte der Produktgruppen zu füllen
df = pd.DataFrame(0, index = Mengenrestriktion_groups.index, columns = Mengenrestriktion_groups.columns)
#Liste der Produkte
products = self.get_schedule()
#Liste der Daten an welchen Produkte produziert werden
dates = self.get_dates()
Mengenrestriktion_product = Mengenrestriktion_product.reindex(index=Mengenrestriktion_groups.columns.to_list())
adjusted_products, adjusted_dates = self.adjust_to_minmax_frame(products, dates, Mengenrestriktion_product)
for product,date in zip(adjusted_products, adjusted_dates): #df an der Stelle des Tags += Anzahl der Produkte der einzelnen Produktgruppen
df.loc[date] += product.values
return df
#Hier wird die tatsächlich Produzierte Anzahl der einzelnen Produktgruppen von den Limit abgezogen um zu sehen, ob Limits verletzt werden.
produced_amount = create_schedule_dataframe(self.df_mengenrestriktionen_groups, self.df_mengenrestriktionen_products)
restriction = df_mengenrestriktionen_groups - produced_amount
Wie ihr euch vermutlich schon vorstellen könnt, ist dieser Code sehr langsam. Die Liste der Produkte ist ca 1600 items lang, Die dataframes sind deutilch größer, als hier dargestellt und die Berechung läuft sehr oft ab (ca. 130k iterationen). Dementsprechen wichtig ist es, dass ganze schnell berechnen zu können.
Ich wäre sehr dankbar für Vorschläge von etwas erfahreneren Programmieren, als mir selbst.
Viele Grüße und vielen Dank,
Lukas