大家好,我是 Python 新手,现在我开始使用一些库,例如 Pandas 和 Numpy。最近,老师给我做这个练习,我不知道该用什么方法。详情如下:
df1 = pd.DataFrame({'col1': [0, 1, 1, 0, 3],
'col2': [23, 4, 1, 1, 3],
'col3': [0, 5, 2, 1, 1],
'col4': [1, 2, 6, 4, 0],
'col5': [4, 15, 0, 2, 5],
'loc': [1, 4, 2, 3, 2]})
1) col1 - col5: 随机数
2) loc:值的位置。
3) 计算'val'返回每一列的值,位置在'loc'中给出。
示例:在第 0 行中,loc = 1,val = 23。在第 1 行中,loc = 4,val = 15,等等
结果应该是这样的:
df = pd.DataFrame({'col1': [0, 1, 1, 0, 3],
'col2': [23, 4, 1, 1, 3],
'col3': [0, 5, 2, 1, 1],
'col4': [1, 2, 6, 4, 0],
'col5': [4, 15, 0, 2, 5],
'loc': [1, 4, 2, 3, 2],
'val': [23, 15, 2, 4, 1]})
我试过 iloc 和 loc 之类的东西来计算“val”。但是,当数据框变大时,我不能再使用这种方法了。有没有更快的方法来计算'val'?我需要使用循环来计算'val'吗?
df1 = df['loc']
df.iloc[0,df1[0]]
df.iloc[1,df1[1]]
df.iloc[2,df1[2]]
PS:抱歉我的英语不好,但我真的不知道如何用英语解释这个练习,我只是尽力而为:(
最佳答案
使用 numpy 索引,尤其是在性能很重要的情况下:
df1['value'] = df1.values[np.arange(len(df1)), df1['loc']]
print (df1)
col1 col2 col3 col4 col5 loc value
0 0 23 0 1 4 1 23
1 1 4 5 2 15 4 15
2 1 1 2 6 0 2 2
3 0 1 1 4 2 3 4
4 3 3 1 0 5 2 1
性能:
#5000 rows
df1 = pd.concat([df1] * 1000, ignore_index=True)
In [73]: %timeit df1['value'] = df1.values[np.arange(len(df1)), df1['loc']]
266 µs ± 8.06 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [74]: %%timeit
...: result = []
...: for index, row in df1['loc'].iteritems():
...: result.append(df1.iat[index, row])
...: df1['val'] = result
...:
64 ms ± 753 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [75]: %timeit df1['value'] = df1.apply(lambda x: x.iloc[x['loc']], axis = 1)
243 ms ± 11.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
关于python - Dataframe 中的 Loop、iloc 和 loc?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53956658/