Pandas DataFrame根据列，索引值比较更改值

Question

假设你有一个熊猫DataFrame具有某种在主体数据和数字 column和index名。

>>> data=np.array([['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']])
>>> columns = [2, 4, 8]
>>> index = [10, 4, 2]
>>> df = pd.DataFrame(data, columns=columns, index=index)
>>> df
    2  4  8
10  a  b  c
4   d  e  f
2   g  h  i

现在假设我们想要在比较索引和列的基础上以某种方式操作数据帧。 考虑以下。

其中index大于列替换字母'k'：

    2  4  8
10  k  k  k
4   k  e  f
2   g  h  i

其中index等于列替换字母为'U'：

    2  4  8
10  k  k  k
4   k  U  f
2   U  h  i

其中列大于索引替换字母'Y'：

    2  4  8
10  k  k  k
4   k  U  Y
2   U  Y  Y

为了让问题对所有人有用：

• 这种替换的快速方法是什么？

• 这种替换最简单的方法是什么？

速度来自最小的例子

• jezrael ： 556 µs ± 66.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 556μs 556 µs ± 66.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 66.1μs 556 µs ± 66.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 偏差 556 µs ± 66.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

• user3471881 ： 329 µs ± 11.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 329μs 329 µs ± 11.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 11.4μs 329 µs ± 11.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 偏差 329 µs ± 11.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

• thunderwood ： 4.65 ms ± 252 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 252μs 4.65 ms ± 252 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 偏差 4.65 ms ± 252 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

---

这是重复的吗？ 我搜索了谷歌的pandas replace compare index column ，顶部的结果是：

Pandas - 比较两个数据帧并替换匹配条件的值

Python pandas：根据位置而不是索引值替换值

Pandas DataFrame：根据条件替换列中的所有值

但是，我不觉得这些是否可能或b）如何以这种方式进行比较

Answer 1

我认为你需要numpy.select广播：

m1 = df.index.values[:, None] > df.columns.values
m2 = df.index.values[:, None] == df.columns.values


df = pd.DataFrame(np.select([m1, m2], ['k','U'], 'Y'), columns=df.columns, index=df.index)
print (df)
    2  4  8
10  k  k  k
4   k  U  Y
2   U  Y  Y

表现 ：

np.random.seed(1000)

N = 1000
a = np.random.randint(100, size=N)
b = np.random.randint(100, size=N)

df = pd.DataFrame(np.random.choice(list('abcdefgh'), size=(N, N)), columns=a, index=b)
#print (df)

def us(df):
    values = np.array(np.array([df.index]).transpose() - np.array([df.columns]), dtype='object')
    greater = values > 0
    less = values < 0
    same = values == 0

    values[greater] = 'k'
    values[less] = 'Y'
    values[same] = 'U'


    return pd.DataFrame(values, columns=df.columns, index=df.index)

def jez(df):

    m1 = df.index.values[:, None] > df.columns.values
    m2 = df.index.values[:, None] == df.columns.values
    return pd.DataFrame(np.select([m1, m2], ['k','U'], 'Y'), columns=df.columns, index=df.index)

---

In [236]: %timeit us(df)
107 ms ± 358 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [237]: %timeit jez(df)
64 ms ± 299 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 2

不确定实现这一目标的最快方法，但一种非常简单的方法就是迭代数据帧，如下所示：

for i in df.index:
    for j in df.columns:
        if i>j:
            df.loc[i,j]='k'
        elif j>i:
            df.loc[i,j]='y'
        else:
            df.loc[i,j]='u'

Answer 3

1.使用np.arrays + np.select ：

values = np.array(np.array([df.index]).transpose() - np.array([df.columns]))

greater = values > 0
same = values == 0

df = pd.DataFrame(np.select([greater, same], ['k', 'U'], 'Y'), columns=df.columns, index=df.index)

---

2.使用np.arrays和手动屏蔽。

values = np.array(np.array([df.index]).transpose() - np.array([df.columns]), dtype='object')

greater = values > 0
less = values < 0
same = values == 0

values[greater] = 'k'
values[less] = 'Y'
values[same] = 'U'


df = pd.DataFrame(values, columns=df.columns, index=df.index)