可以创建类似的数据框:
import pandas as pd
df = pd.DataFrame()
df["nodes"] = list(range(1, 11))
df["x"] = [1,4,9,12,27,87,99,121,156,234]
df["y"] = [3,5,6,1,8,9,2,1,0,-1]
df["z"] = [2,3,4,2,1,5,9,99,78,1]
df.set_index("nodes", inplace=True)
所以数据框看起来像这样:
x y z
nodes
1 1 3 2
2 4 5 3
3 9 6 4
4 12 1 2
5 27 8 1
6 87 9 5
7 99 2 9
8 121 1 99
9 156 0 78
10 234 -1 1
我第一次尝试搜索,例如所有包含数字 1 的节点是:
>>> df[(df == 1).any(axis=1)].index.values
[1 4 5 8 10]
由于我必须对许多数字执行此操作,并且我的真实数据框比这个大得多,因此我正在寻找一种非常快速的方法来执行此操作。
最佳答案
刚刚尝试了一些可能有启发性的东西
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(10000, 4)), columns=list('ABCD'))
df.set_index("A", inplace=True)
df_no_index = df.reset_index()
因此,设置一个包含整数的数据框。这与您的不一样,但已经足够了。
然后我进行了四次测试
%timeit df[(df == 1).any(axis=1)].index.values
%timeit df[(df['B'] == 1) | (df['C']==1)| (df['D']==1)].index.values
%timeit df_no_index[(df_no_index == 1).any(axis=1)].A.values
%timeit df_no_index[(df_no_index['B'] == 1) | (df_no_index['C']==1)| (df_no_index['D']==1)].A.values
我得到的结果是,
940 µs ± 41.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
1.47 ms ± 7.34 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
1.08 ms ± 14.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
1.55 ms ± 51.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
这表明您采用的带有索引的初始方法似乎是这些方法中最快的。删除索引不会提高中等大小的数据帧的速度
关于python - 过滤 pandas 数据框中的值的最快方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66292101/