[英]What is the fastest way to do greedy set cover with Pandas?
这个问题与贪婪集覆盖问题并不完全相同,但是它们具有相同的想法。
给定一个熊猫数据帧df1,其中一列df ['s']由一组df2键组成:
import numpy as np
import pandas as pd
>>> df = pd.DataFrame(np.array([set([1,3,5]), set([1,3,5,6]), set([2,3,4,12]), set([1,3,7]), set([1,15,11]), set([1,16]), set([16])]),columns=['s'])
>>> df
s
0 set([1, 3, 5])
1 set([1, 3, 5, 6])
2 set([12, 2, 3, 4])
3 set([1, 3, 7])
4 set([1, 11, 15])
5 set([1, 16])
6 set([16])
...
>>> df2 = pd.DataFrame(np.array([[1,2,3,3,3,6,4,8,9,10,11,12,13,14,15,16,5,7],[2.,1.,3.,2.,1.,2.,3.,1.,1.,1.,1.,1.,1.,1.,1.,16.,1.,1.]]).T,columns=['key', 'value'])
>>> df2
key value
0 1 2
1 2 1
2 3 3
3 3 2
4 3 1
5 6 2
6 4 3
7 8 1
8 9 1
9 10 1
10 11 1
11 12 1
12 13 1
13 14 1
14 15 1
15 16 16
16 5 1
17 7 1
...
上面的数据帧df2可以包含重复的键。 我们选择最后一个。 例如,为上面的键“ 3”选择值“ 1.0”。
我想找到df ['s]的前六行,这些行可以最大程度地求和其对应键的值之和,并按其值贡献对新数据帧的行进行排序。 最快的方法是什么?
对于上面给定的数据集,结果数据帧的前两行应为
df3:
set([1,16])
set([12,2,3,4])
...
上面的第二个不是set([16]),因为set([1,16])中已经包含“ 16”,并且set([16])的相加值为零。
按集合键的相应值的总和排序。
更新时间:
为了简化此问题,让我们考虑df2仅包含唯一键。 而且可以根据安德鲁的技巧轻松修复。
假设您没有太多键,则可以将集合列表表示为稀疏矩阵,每个键都有一列。
In [29]: df = pd.DataFrame([{1:1,3:1,5:1}, {1:1,3:1,5:1,6:1}, {2:1,3:1,4:1,12:1}, {1:1,3:1,7:1}, {1:1,15:1,11:1}, {9:1}, {16:1}]).fillna(0)
In [30]: df
Out[30]:
1 2 3 4 5 6 7 9 11 12 15 16
0 1 0 1 0 1 0 0 0 0 0 0 0
1 1 0 1 0 1 1 0 0 0 0 0 0
2 0 1 1 1 0 0 0 0 0 1 0 0
3 1 0 1 0 0 0 1 0 0 0 0 0
4 1 0 0 0 0 0 0 0 1 0 1 0
5 0 0 0 0 0 0 0 1 0 0 0 0
6 0 0 0 0 0 0 0 0 0 0 0 1
然后将您的权重表示为一个系列,按键索引:
In [37]: weights = df2.drop_duplicates('key', keep='last').set_index('key')['value']
然后加权并求和:
In [40]: totals = (df * weights).sum(axis=1)
In [41]: totals
Out[41]:
0 4
1 6
2 6
3 4
4 4
5 1
6 16
dtype: float64
然后只需找到前6行:
In [55]: top6 = totals.order(ascending=False).head(6)
In [56]: top6
Out[56]:
6 16
2 6
1 6
4 4
3 4
0 4
dtype: float64
您可以使用返回到稀疏矩阵的索引来恢复这些集合是:
In [58]: df.ix[top6.index]
Out[58]:
1 2 3 4 5 6 7 9 11 12 15 16
6 0 0 0 0 0 0 0 0 0 0 0 1
2 0 1 1 1 0 0 0 0 0 1 0 0
1 1 0 1 0 1 1 0 0 0 0 0 0
4 1 0 0 0 0 0 0 0 1 0 1 0
3 1 0 1 0 0 0 1 0 0 0 0 0
0 1 0 1 0 1 0 0 0 0 0 0 0
您可能不喜欢这种方法,但我要指出的是,像集合这样的数据结构框架,而不是图元,因为元素并不是特别熊猫风格,因此建议对问题进行一些翻译。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.