我有一個(gè)來(lái)自 Kaggle 的數(shù)據(jù)集，其中包含醫(yī)療預(yù)約數(shù)據(jù)。有一個(gè)預(yù)約日期 (ScheduledDay) 和一個(gè)預(yù)約日期 (AppointmentDay)。還有患者ID，許多患者進(jìn)行了多次預(yù)約以及是否出現(xiàn)。我想對(duì)相同的患者和他們沒(méi)有出現(xiàn)的地方（缺席==“是”）進(jìn)行累積計(jì)數(shù)之類的事情，但僅限于在預(yù)約時(shí)已經(jīng)發(fā)生的缺席。這是我的代碼，用于計(jì)算每個(gè)患者的預(yù)訂數(shù)量，沒(méi)問(wèn)題df.sort_values(by='ScheduledDay', inplace=True)df['book_count'] = df.groupby('PatientId').cumcount()但對(duì)于我的問(wèn)題，我不知道如何讓它變得如此整潔。我已經(jīng)完成了，但它沒(méi)有矢量化，需要循環(huán)遍歷行。不用說(shuō)這需要很長(zhǎng)時(shí)間final_index = df.index.tolist()[-1]df['miss_count'] = np.NaNfor i in df['ScheduledDay'].iteritems():    print(f'{final_index} -- {i[0]}')    patient = df.loc[i[0], 'PatientId']    count = df.loc[        (df['AppointmentDay'] < i[1])        & (df['No-show'] == 'Yes')        & (df['PatientId'] == patient)].shape[0]    df.loc[i[0], 'miss_count']  = count    print(f'\n{count}\n')所以在這種情況下我沒(méi)有使用 cumcount 因?yàn)槲也恢廊绾蝺H過(guò)濾之前發(fā)生的日期然后會(huì)有一欄顯示患者已預(yù)約但在當(dāng)前預(yù)約之前未出現(xiàn)的次數(shù)。