将 Pandas DataFrame 行与键/值对的字典匹配

Question

我希望执行以下操作：

df.loc[(df["first_name"] == "joko") & (df["last_name"] == "widodo"), "are_you_joko"]

但是，没有在(df["first_name"] == "joko") & (df["last_name"] == "widodo")行中明确提供列名和值。 相反，我想提供键/值对的字典，例如{"first_name": "joko", "last_name": "widodo"} 。 另外，我想以最快的方式完成这项工作。 我目前正在使用以下内容。

tf_df = pd.DataFrame([df[k] == v for k, v in record_dict.iteritems()]).all()
df.loc[:, "are_you_joko"] = tf_df

其中record_dict是{"first_name": "joko", "last_name": "widodo"} 。 如果有人更快地知道任何事情，我很感兴趣。 谢谢！

Answer 1

如果您的 df 很大，似乎创建一个新的DataFrame可能需要时间和内存。 我试过这样的事情，当len(df) = 100000时，它比我机器上的快 500 多倍。 如果你的df很小，我想没有区别。

In [1]:

import pandas as pd
import numpy as np
​
df = pd.DataFrame(np.random.randint(3, size=(100000,5)), columns=list('ABCDE'))
​
record_dict = dict(A=1, B=2, C=1, D=2, E=1)
In [2]:

%%timeit 
tf_df = pd.DataFrame([df[k] == v for k, v in record_dict.iteritems()]).all()
1 loops, best of 3: 2.34 s per loop
In [3]:

%%timeit
msk = None
for k, v in record_dict.iteritems():
    if msk is None:
        msk = df[k] == v
    else:
        msk = msk & (df[k] == v)       
100 loops, best of 3: 4.14 ms per loop