是否可以在给定的 format/syntax 限制条件下优化此 sequence/code 代？

Question

我正在尝试生成一个代码，其中一些代码必须遵循特定的预定义规则（请参阅评论）。我只需要传入的 df 行数——代码在简单的每行基础上分配回同一个 df。返回列表 'seems' 不如直接分配给函数内的 df 理想，但我无法实现这一点。不幸的是，由于其他地方处理的其他限制，我需要分别传入 3 个 df，但每次它们都会有一个 不同的 单个字符后缀（例如 X|Y|Z）。这些代码不会 'need' 在不同的 df 之间是连续的，尽管对每个 df 进行一些排序可能很有用......这是我迄今为止尝试过的方式。

然而，我目前的 'working' 尝试在这里，虽然功能......花费了太多时间。我希望有人可以指出优化其中任何部分的一些可能的胜利。通常每个 df <500k，更常见的是 100-200k。

生成报价代码

期望的结果：

采用以下格式的序列：YrCodeMthCode+AAAA+99+[P|H|D] 其中：

已提供 YrCode 和 Mth 代码*
AAAA 生成的伪唯一字符序列*
99 不应包含零，并且始终为 2 位数字*（任何，包括非连续的）
P|H|D为定义的标识符参数，必须传入
通常 df.shape[0] 维度永远不会超过 65。但很乐意创建 blank/new 并与现有的合并，如果更快的话。

*YrCodeMthCode+AAA+99的唯一性只需要每个月覆盖500k条记录（因为MthCode会change/refresh x12）

import numpy as np
import pandas as pd

np.random.seed(0)
df = pd.DataFrame(np.random.randn(200, 3), columns=list('ABC'))



offerCodeLength = 6
allowedOfferCodeChars = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"

campaignMonth = 'January'
campaignYear = 2021

yearCodesDict = {2021:'G',2022:'H',2023:'I', 2024:'J', 2025:'K', 2026:'L', 2027:'M'}
monthCodesDict = {'January':'A','Febuary':'B','March':'C',
                  'April':'D','May':'E','June':'F',
                  'July':'G', 'August':'H','September':'I',
                  'October':'J','November':'K','December':'L'}


OfferCodeDateStr = str(yearCodesDict[campaignYear])+str(monthCodesDict[campaignMonth])

iterator = 0
breakPoint = df.shape[0]



def generateOfferCode(OfferCodeDateStr, offerCodeLength, breakPoint, OfferCodeSuffix):
    
    allowedOfferCodeChars = "ABCDEFGHIJKLMNOPQRSTUVWXYZ"
    
    iterator = 0 # limit amount generated
    offerCodesList = []
    for item in itertools.product(allowedOfferCodeChars, repeat=offerCodeLength): 
        
        # generate a 2 digit number, with NO zeros (to avoid 0 vs o call centre issues)
        psuedoRandNumc = str(int(''.join(random.choices('123456789',k=randint(10,99))))%10**2)
        
        if iterator < breakPoint: # breakpoint as length of associated dataframe/number of codes required
            OfferCodeString = "".join(item)
            OfferCodeString = OfferCodeDateStr+OfferCodeString+psuedoRandNum+OfferCodeSuffix # join Yr,Mth chars to generated rest

            offerCodesList.append(OfferCodeString) 

            iterator +=1 

    return offerCodesList

generateOfferCode(OfferCodeDateStr, offerCodeLength, breakPoint, 'P')

很确定这不太理想，因为'k=randint(10,99))))%10**2'但不确定如何更好地优化....切片字符串？
我只是在外面定义断点，因为当我直接使用 .shape[0] 时它看起来更慢。
我知道我的循环使用可能很差，必须有一个更矢量化的解决方案来只创建我需要的东西并将它直接应用回传递的 df。

我的示例时间：（OffercodeLength 设置为 4） x100：每个循环 5.99 s ± 227 ms（7 次运行的平均值 ± 标准偏差，每次 1 个循环）挂墙时间：47.5 秒

x1000：每个循环 5.87 s ± 243 ms（7 次运行的平均值 ± 标准差，每次 1 个循环）挂墙时间：46.4 秒

Answer 1

IIUC，你可以试试：

def generateOfferCode(OfferCodeDateStr, offerCodeLength, breakPoint, offerCodeSuffix):
    seen = set()
    offerCodesList = list()
    
    for i in range(breakPoint):
        psuedoRandNum = ''.join(random.choices('123456789', k=2))
        OfferCodeString = "".join(random.choices("ABCDEFGHIJKLMNOPQRSTUVWXYZ", k=6))
        while OfferCodeString in seen:
            OfferCodeString = "".join(random.choices("ABCDEFGHIJKLMNOPQRSTUVWXYZ", k=6))
        seen.add(OfferCodeString)
        offerCodesList.append(f"{OfferCodeDateStr}{OfferCodeString}{psuedoRandNum}{offerCodeSuffix}")
    return offerCodesList

df["offerCode"] = generateOfferCode(YrCodeMthCode, 6, df.shape[0], 'P')

>>> df
            A         B         C    offerCode
0    1.764052  0.400157  0.978738  GAZGCPGE28P
1    2.240893  1.867558 -0.977278  GADYNNWU69P
2    0.950088 -0.151357 -0.103219  GAEQUFPI48P
3    0.410599  0.144044  1.454274  GAUCSCHW76P
4    0.761038  0.121675  0.443863  GAFMVTBP28P
..        ...       ...       ...          ...
195 -0.470638 -0.216950  0.445393  GAOXGTOU88P
196 -0.392389 -3.046143  0.543312  GAXPQOFI25P
197  0.439043 -0.219541 -1.084037  GACBKIJV93P
198  0.351780  0.379236 -0.470033  GAVYQEQL46P
199 -0.216731 -0.930157 -0.178589  GALNKYVE23P

性能

>>> %timeit generateOfferCode(YrCodeMthCode, 6, 500000, 'P')
%timeit generateOfferCode(YrCodeMthCode, 6, df.shape[0]*1000, 'P')
829 ms ± 22.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

是否可以在给定的 format/syntax 限制条件下优化此 sequence/code 代？

IS it possible to optimise this sequence/code generation within the given format/syntax constraints?

python

pandas

sequence

generate

生成报价代码

期望的结果：

性能