Question

我有一个像这样的数据框：

df
col1     col2     col3     col4
 1         2        P        Q
 4         2        R        S
 5         3        P        R

我想创建一个函数，该函数使用col3和col4值的输入返回col1和col2值，

例如，如果函数为f，则f（[P，Q]）的输出将类似于：

col1    col2
 1       2

如何使用熊猫以最有效的方式做到这一点？

Answer 1

如果需要最有效的方法比较numpy数组：

def f(a, b):
    #pandas 0.24+ 
    mask = (df['col3'].to_numpy() == a) & (df['col4'].to_numpy() == b)
    #all pandas versions yet
    #mask = (df['col3'].values == a) & (df['col4'].values == b)
    return  df.loc[mask, ['col1','col2']]

性能：取决于数据，行数，匹配的行数，但是通常此处比较1d numpy数组的速度更快：

np.random.seed(123)
N = 10000
L = list('PQRSTU')
df = pd.DataFrame({'col1': np.random.randint(10, size=N),
                   'col2': np.random.randint(10, size=N),
                   'col3': np.random.choice(L, N),
                   'col4': np.random.choice(L, N)})
print (df)

def f(a, b):
    #pandas 0.24+ 
    mask = (df['col3'].to_numpy() == a) & (df['col4'].to_numpy() == b)
    #all pandas versions yet
    #mask = (df['col3'].values == a) & (df['col4'].values == b)
    return  df.loc[mask, ['col1','col2']]

def f1(first, second):
    return df.loc[(df['col3'] == first) & (df['col4'] == second), ['col1', 'col2']]

In [91]: %timeit (f('P', 'Q'))
2.05 ms ± 13.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [92]: %timeit (f1('P', 'Q'))
3.52 ms ± 24.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

只需使用布尔掩码：

def f(first, second):
    return df.loc[(df['col3'] == first) & (df['col4'] == second), ['col1', 'col2']]

Answer 3

**Simple line of code can do this**

在“ P”和“ Q”位置，您应该输入要与之匹配的值。

df[(df.col3 == 'P') & (df.col4 == 'Q')][col1,col2]

Answer 4

您可以尝试以下代码：

def func(x):
    series = f(x['col3'], c['col4'])
    return series.append(x)

dataframe = dataframe.apply(lambda x: func(x))

如何使用熊猫返回同一行其他列值的输入返回列值？

4 个答案: