假设我有 pd.Series
import pandas as pd
import numpy as np
s = pd.Series(np.arange(10), list('abcdefghij'))
我想通过将上半部分和下半部分交织在一起,像一副纸牌一样“洗牌”这个系列。
我希望这样的结果
a 0
f 5
b 1
g 6
c 2
h 7
d 3
i 8
e 4
j 9
dtype: int32
结论
最终功能
def perfect_shuffle(s):
n = s.values.shape[0] # get length of s
l = (n + 1) // 2 * 2 # get next even number after n
# use even number to reshape and only use n of them after ravel
a = np.arange(l).reshape(2, -1).T.ravel()[:n]
# construct new series slicing both values and index
return pd.Series(s.values[a], s.index.values[a])
示范
s = pd.Series(np.arange(11), list('abcdefghijk'))
print(perfect_shuffle(s))
a 0
g 6
b 1
h 7
c 2
i 8
d 3
j 9
e 4
k 10
f 5
dtype: int64
order='F'
与 T
我曾建议使用 T.ravel()
而不是 ravel(order='F')
经过调查,这无关紧要,但 ravel(order='F')
对于较大的数组更好。
d = pd.DataFrame(dict(T=[], R=[]))
for n in np.power(10, np.arange(1, 8)):
a = np.arange(n).reshape(2, -1)
stamp = pd.datetime.now()
for _ in range(100):
a.ravel(order='F')
d.loc[n, 'R'] = (pd.datetime.now() - stamp).total_seconds()
stamp = pd.datetime.now()
for _ in range(100):
a.T.ravel()
d.loc[n, 'T'] = (pd.datetime.now() - stamp).total_seconds()
d
d.plot()
感谢 unutbu 和 Warren Weckesser
最佳答案
在 Series 的长度为偶数的特殊情况下,您可以执行 perfectly shuffle通过将其值 reshape 为两行,然后使用 ravel(order='F')
以 Fortran 顺序读取项目:
In [12]: pd.Series(s.values.reshape(2,-1).ravel(order='F'), s.index)
Out[12]:
a 0
b 5
c 1
d 6
e 2
f 7
g 3
h 8
i 4
j 9
dtype: int64
Fortran 顺序使最左边的轴增量最快。所以在二维数组中 在前进到之前,通过向下一列的行读取值 下一栏。与 通常的 C 顺序。
在 Series 的长度可能为奇数的一般情况下, 也许最快的方法是使用移位切片重新分配值:
import numpy as np
import pandas as pd
def perfect_shuffle(ser):
arr = ser.values
result = np.empty_like(arr)
N = (len(arr)+1)//2
result[::2] = arr[:N]
result[1::2] = arr[N:]
result = pd.Series(result, index=ser.index)
return result
s = pd.Series(np.arange(11), list('abcdefghijk'))
print(perfect_shuffle(s))
产量
a 0
b 6
c 1
d 7
e 2
f 8
g 3
h 9
i 4
j 10
k 5
dtype: int64
关于python - 我如何快速洗牌 Pandas 系列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40187126/