目前我有一系列正在创建的列,其中包含一个基于我正在使用的 Dataframe 中的日期的 bool 值
df['bool1'] = [1 if x > pd.to_datetime('20190731') else 0 for x in df['date']]
df['bool2'] = [1 if x > pd.to_datetime('20190803') else 0 for x in df['date']]
df['bool3'] = [1 if x > pd.to_datetime('20190813') else 0 for x in df['date']]
我认为像这样的列表理解是解决问题的一种 pythonic 方式。我觉得我的代码非常清楚它在做什么,有人可以很容易地理解它。
例如为 {bool1:'20190731'} 创建一个字典然后循环遍历 Key:Value 对,这样我就不会重复这行代码,这是一个潜在的改进。但这只会减少行数,同时增加可读性和可扩展性。它实际上不会让我的代码运行得更快。
但是我的问题是这段代码实际上运行起来很慢。我应该使用 lambda 函数来加速吗?编写此代码最快的方法是什么?
最佳答案
我认为带有比较值的新列字典是个好主意。
d = {'bool1':'20190731', 'bool2':'20190803', 'bool3':'20190813'}
然后可以在循环中创建新列:
for k, v in d.items():
df[k] = (df['date'] > pd.to_datetime(v)).astype(int)
#alternative
#df[k] = np.where(df['date'] > pd.to_datetime(v), 1, 0)
为了提高性能,请在 numpy 中使用广播:
rng = pd.date_range('20190731', periods=20)
df = pd.DataFrame({'date': rng})
d = {'bool1':'20190731', 'bool2':'20190803', 'bool3':'20190813'}
#pandas 0.24+
mask = df['date'].to_numpy()[:, None] > pd.to_datetime(list(d.values())).to_numpy()
#pandas below
#mask = df['date'].values[:, None] > pd.to_datetime(list(d.values())).values
arr = np.where(mask, 1, 0)
df = df.join(pd.DataFrame(arr, columns=d.keys()))
print (df)
date bool1 bool2 bool3
0 2019-07-31 0 0 0
1 2019-08-01 1 0 0
2 2019-08-02 1 0 0
3 2019-08-03 1 0 0
4 2019-08-04 1 1 0
5 2019-08-05 1 1 0
6 2019-08-06 1 1 0
7 2019-08-07 1 1 0
8 2019-08-08 1 1 0
9 2019-08-09 1 1 0
10 2019-08-10 1 1 0
11 2019-08-11 1 1 0
12 2019-08-12 1 1 0
13 2019-08-13 1 1 0
14 2019-08-14 1 1 1
15 2019-08-15 1 1 1
16 2019-08-16 1 1 1
17 2019-08-17 1 1 1
18 2019-08-18 1 1 1
19 2019-08-19 1 1 1
关于python - 根据日期 Pandas 有效地创建行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57802939/