跟进a previous question ,是否有一种首选的有效方式来获取列中每个对象的类型?这是专门针对列的 dtype
为 object
的情况,以允许列的元素之间存在异构类型(特别是允许数字 NaN
而不将其他元素的数据类型更改为float
)。
我还没有做过时间基准测试,但我对下面想到的显而易见的方法(以及可能使用 map
或 filter
的变体)持怀疑态度。感兴趣的用例需要快速获取所有元素类型的信息,因此生成器等可能不会提高效率。
# df is a pandas DataFrame with some column 'A', such that
# df['A'].dtype is 'object'
dfrm['A'].apply(type) #Or np.dtype, but this will fail for native types.
另一个想法是使用 NumPy vectorize
函数,但这真的会更高效吗?例如,使用与上面相同的设置,我可以尝试:
import numpy as np
vtype = np.vectorize(lambda x: type(x)) # Gives error without lambda
vtype(dfrm['A'])
这两种想法都会产生可行的输出,但我担心的是效率。
已添加
我继续在 IPython 中做了一个小型基准测试。首先是上面的 vtype
,然后是 apply
路由。我重复了十几次左右,这个示例在我的机器上运行非常典型。
apply()
方法显然胜出,所以有充分的理由认为我不会比 apply()
更高效吗?
对于vtype()
In [49]: for ii in [100,1000,10000,100000,1000000,10000000]:
....: dfrm = pandas.DataFrame({'A':np.random.rand(ii)})
....: dfrm['A'] = dfrm['A'].astype(object)
....: dfrm['A'][0:-1:2] = None
....: st_time = time.time()
....: tmp = vtype(dfrm['A'])
....: ed_time = time.time()
....: print "%s:\t\t %s"%(ii, ed_time-st_time)
....:
100: 0.0351531505585
1000: 0.000324010848999
10000: 0.00209212303162
100000: 0.0224051475525
1000000: 0.211136102676
10000000: 2.2215731144
对于apply()
In [50]: for ii in [100,1000,10000,100000,1000000,10000000]:
....: dfrm = pandas.DataFrame({'A':np.random.rand(ii)})
....: dfrm['A'] = dfrm['A'].astype(object)
....: dfrm['A'][0:-1:2] = None
....: st_time = time.time()
....: tmp = dfrm['A'].apply(type)
....: ed_time = time.time()
....: print "%s:\t %s"%(ii, ed_time-st_time)
....:
100: 0.000900983810425
1000: 0.000159025192261
10000: 0.00117015838623
100000: 0.0111050605774
1000000: 0.103563070297
10000000: 1.03093600273
最佳答案
Series.apply
和 Series.map
使用我编写的专用 Cython 方法 (pandas.lib.map_infer
),速度大约快 2 倍与使用 numpy.vectorize 相比。
关于python - 在 Python/Pandas 中获取元素类型的有效方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11553370/