我有两个 pandas 数据框(X 和 Y),并尝试根据 X 轴和 Y 的列/成分之间的相互关系用 boolean 值填充第三个(Z)。我只能通过以下方式做到这一点嵌套循环和代码适用于我的玩具示例,但对于我的实际数据集来说太慢了。
# define X, Y and Z
idx=pd.date_range('2016-1-31',periods=3,freq='M')
codes = list('ABCD')
X = np.random.randn(3,4)
X = pd.DataFrame(X,columns=codes,index=idx)
Y = [['A','A','B'],['C','B','C'],['','C','D']]
Y = pd.DataFrame(Y,columns=idx)
Z = pd.DataFrame(columns=X.columns, index=X.index)
正如您所看到的,在此示例中 X 的索引与 Y 的列匹配。在我的真实示例中,Y 的列是 X 索引的子集。
Z 轴与 X 轴匹配。如果 Z 的列标题位于 Y 的列中且标题等于 Z 的索引,我想用 True 填充 Z 的元素。我的工作代码如下:
for r in Y:
for c in Z:
Z.loc[r,c] = c in Y[r].values
代码非常干净和简短,但在较大的数据集上运行需要很长时间。我希望有一种矢量化方法可以更快地实现相同的目标。
任何帮助将不胜感激
谢谢!
最佳答案
您可以使用stack
方法,其中 DataFrame 的值转换为列,列转换为 DataFrame 的值。上次测试 NaN
由 notnull
:
print (Y.replace({'':np.nan})
.stack()
.reset_index(0)
.set_index(0, append=True)
.squeeze()
.unstack()
.rename_axis(None, axis=1)
.notnull())
A B C D
2016-01-31 True False True False
2016-02-29 True True True False
2016-03-31 False True True True
另一个使用pivot
的解决方案:
print (Y.replace({'':np.nan})
.stack()
.reset_index(name='a')
.pivot(index='level_1', columns='a', values='level_0')
.rename_axis(None, axis=1)
.rename_axis(None)
.notnull())
A B C D
2016-01-31 True False True False
2016-02-29 True True True False
2016-03-31 False True True True
按评论编辑:
使用reindex
如果索引是唯一的,则 fillna
通过 False
:
import pandas as pd
import numpy as np
# define X, Y and Z
idx=pd.date_range('2016-1-31',periods=5,freq='M')
codes = list('ABCD')
X = np.random.randn(5,4)
X = pd.DataFrame(X,columns=codes,index=idx)
Y = [['A','A','B'],['C','B','C'],['','C','D']]
Y = pd.DataFrame(Y,columns=idx[:3])
Z = pd.DataFrame(columns=X.columns, index=X.index)
print (X)
A B C D
2016-01-31 0.810348 -0.737780 -0.523869 -0.585772
2016-02-29 -1.126655 -0.494999 -1.388351 0.460340
2016-03-31 -1.578155 0.950643 -1.699921 1.149540
2016-04-30 -2.320711 1.263740 -1.401714 0.090788
2016-05-31 1.218036 0.565395 0.172278 0.288698
print (Y)
2016-01-31 2016-02-29 2016-03-31
0 A A B
1 C B C
2 C D
print (Z)
A B C D
2016-01-31 NaN NaN NaN NaN
2016-02-29 NaN NaN NaN NaN
2016-03-31 NaN NaN NaN NaN
2016-04-30 NaN NaN NaN NaN
2016-05-31 NaN NaN NaN NaN
Y1 = Y.replace({'':np.nan})
.stack()
.reset_index(name='a')
.pivot(index='level_1', columns='a', values='level_0')
.rename_axis(None, axis=1)
.rename_axis(None)
.notnull()
print (Y1)
A B C D
2016-01-31 True False True False
2016-02-29 True True True False
2016-03-31 False True True True
print (Y1.reindex(X.index).fillna(False))
A B C D
2016-01-31 True False True False
2016-02-29 True True True False
2016-03-31 False True True True
2016-04-30 False False False False
2016-05-31 False False False False
关于python - 根据其他数据帧中的列标题成员资格(按日期)在 pandas 数据帧(按日期)中设置 boolean 值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38720745/