python - 替代循环遍历所有行熊猫
问题描述
我有一个这样的数据框:
d = {
'jobid': [100, 101,103,104,100,100,101],
'memberid': [1,2,3,3,3,2,1],
'cluster':['bronze','silver','gold','gold','gold','silver','silver']
}
df = pd.DataFrame(data=d)
df
jobid memberid cluster
0 100 1 bronze
1 101 2 silver
2 103 3 gold
3 104 3 gold
4 100 3 gold
5 100 2 silver
6 101 1 silver
我使用以下代码找到了每个作业的每个集群的百分比:
for i in df['jobid']:
perc_bronze=round((df.loc[(df['jobid']==i) & (df['cluster']=='bronze')].count()[0]/df.loc[(df['jobid']==i)].count()[0])*100,2)
df.loc[df['jobid']==i,'BronzeCluster']=perc_bronze
perc_silver=round((df.loc[(df['jobid']==i) & (df['cluster']=='silver')].count()[0]/df.loc[(df['jobid']==i)].count()[0])*100,2)
df.loc[df['jobid']==i,'SilverCluster']=perc_silver
perc_gold=round((df.loc[(df['jobid']==i) & (df['cluster']=='gold')].count()[0]/df.loc[(df['jobid']==i)].count()[0])*100,2)
df.loc[df['jobid']==i,'GoldCluster']=perc_gold
输出:
jobid memberid cluster BronzeCluster SilverCluster GoldCluster
0 100 1 bronze 33.33 33.33 33.33
1 101 2 silver 0.00 100.00 0.00
2 103 3 gold 0.00 0.00 100.00
3 104 3 gold 0.00 0.00 100.00
4 100 3 gold 33.33 33.33 33.33
5 100 2 silver 33.33 33.33 33.33
6 101 1 silver 0.00 100.00 0.00
最终结果是正确的,但问题是运行大型数据集需要大量时间。是否有另一种方法可以以较低的计算成本获得此输出?
解决方案
这段代码:
unstacked_df = df.groupby(['jobid', 'cluster']).count().unstack()
frequency_df = ((unstacked_df / unstacked_df.sum())*100).fillna(0)
print(frequency_df)
输出:
memberid
cluster bronze gold silver
jobid
100 100.0 33.333333 33.333333
101 0.0 0.000000 66.666667
103 0.0 33.333333 0.000000
104 0.0 33.333333 0.000000
这是预期的行为吗?
推荐阅读
- vim - 尽可能快地使 w0rp 异步 Lint 引擎“ALE”?
- powerapps - PowerApps interate through list updates
- javascript - React 组件设置状态未按预期工作
- python - 将 JSON 元素分隔到 pandas 数据框的列中
- image - 在二值化图像中分离交叉段
- android - 无法打开/qemu.conf,错误:2
- variables - 如何气流变量的值包含外来字符?
- python - 按分隔符拆分列并删除扩展列
- vsphere - cloud-init 用户数据传递到的 linux 文件位置是什么?
- python - Python3.7 转换逗号分隔的日期时间