python - Dataframe 中的 Loop、iloc 和 loc？

Question

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:(

Answer 1

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)