时间戳

首页 > 解决方案 > 熊猫从列列表中分配结果

pandas - 熊猫从列列表中分配结果

问题描述

假设我有一个如下所示的数据框：

import pandas as pd
import numpy as np
np.random.seed(42)
df = pd.DataFrame({'A':np.random.randn(5), 'B': np.zeros(5), 'C': np.zeros(5)})
df
>>>
          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  0.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  0.0

我有我想用值 1 填充的列列表，当A它是负数时。

idx = df.A < 0
cols = ['B', 'C']

所以在这种情况下，我希望索引 [1, 'B'] 和 [4, 'C'] 设置为 1。

我尝试了什么：

但是，doingdf.loc[idx, cols] = 1会将整行设置为 1，而不仅仅是单个列。我也尝试过这样做df.loc[idx, cols] = pd.get_dummies(cols)，结果是：

          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  0.0  1.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  NaN  NaN

我假设这是因为索引get_dummies和数据框没有对齐。

预期输出：

          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

那么什么是最好的（阅读最快的）方法来做到这一点。就我而言，有 1000 行和 5 列。

结果时间：

TLDR：直接编辑值更快。

%%timeit
df.values[idx, df.columns.get_indexer(cols)] = 1

每个循环 123 µs ± 2.5 µs（7 次运行的平均值 ± 标准偏差，每次 10000 个循环）

%%timeit
df.iloc[idx.array,df.columns.get_indexer(cols)]=1

每个循环 266 µs ± 7 µs（7 次运行的平均值 ± 标准偏差，每次 1000 个循环）

标签： pandasdataframe

解决方案

使用 numpy 索引来提高性能：

idx = df.A < 0
res = ['B', 'C']
arr = df.values
arr[idx, df.columns.get_indexer(res)] = 1
print (arr)
[[ 0.49671415  0.          0.        ]
 [-0.1382643   1.          0.        ]
 [ 0.64768854  0.          0.        ]
 [ 1.52302986  0.          0.        ]
 [-0.23415337  0.          1.        ]]

df = pd.DataFrame(arr, columns=df.columns, index=df.index)
print (df)
          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

选择：

idx = df.A < 0
res = ['B', 'C']
df.values[idx, df.columns.get_indexer(res)] = 1
print (df)
          A    B    C
0  0.496714  0.0  0.0
1 -0.138264  1.0  0.0
2  0.647689  0.0  0.0
3  1.523030  0.0  0.0
4 -0.234153  0.0  1.0

推荐阅读