[英]Pandas - Sum values in list according to index from another list
我正在努力寻找最快速的方法来在短时间内解决我的问题,因为我正在处理大量数据。 我的问题如下:
我有两个清单
a = [12,34,674,2,0,5,6,8]
b = ['foo','bar','bar','foo','foo','bar','foo','foo']
我想说python:如果'bar'在b中,取所有索引并将列表a中的所有值与这些索引相加。
这是我到目前为止所做的:
idx = [i for i, j in enumerate(a) if j == 'bar']
但后来我堆积了。 我正在考虑使用一些有线for循环。 你有什么主意吗?
随着numpy
:
import numpy as np
a = np.array(a)
b = np.array(b)
a[b == 'bar'].sum()
使用np.bincount
。 计算两个总和('foo'和'bar')。
sum_foo, sum_bar = np.bincount(np.char.equal(b, 'bar'), a)
sum_foo
# 28.0
sum_bar
# 713.0
注意np.char.equal
适用于列表和数组。 如果b是一个数组,那么可以使用b == 'bar'
代替并且更快一些。
时序:
即使这计算两个总和,它实际上非常快:
timeit(lambda: np.bincount(b == 'bar', a))
# 2.406161994993454
比较例如numpy masking方法:
timeit(lambda: a[b == 'bar'].sum())
# 5.642918559984537
在较大的阵列上,掩蔽变得稍快,这是预期的,因为bincount
基本上是工作的2 bincount
。 仍然bincount
时间不到2倍,所以如果你碰巧需要两个总和('foo'和'bar'), bincount
仍然更快。
aa = np.repeat(a, 1000)
bb = np.repeat(b, 1000)
timeit(lambda: aa[bb == 'bar'].sum(), number=1000)
# 0.07860603698645718
timeit(lambda:np.bincount(bb == 'bar', aa), number=1000)
# 0.11229897901648656
这在pandas
很简单:
In[5]:
import pandas as pd
a = [12,34,674,2,0,5,6,8]
b = ['foo','bar','bar','foo','foo','bar','foo','foo']
df = pd.DataFrame({'a':a, 'b':b})
df
Out[5]:
a b
0 12 foo
1 34 bar
2 674 bar
3 2 foo
4 0 foo
5 5 bar
6 6 foo
7 8 foo
In [8]: df.loc[df['b']=='bar','a'].sum()
Out[8]: 713
所以在这里我们采用你的列表并为DataFrame
ctor的data
arg构建一个dict
:
df = pd.DataFrame({'a':a, 'b':b})
然后我们使用loc
掩盖df,我们选择'b' == 'bar'
并选择列'a'
并调用sum()
:
df.loc[df['b']=='bar','a'].sum()
采用:
l = [x for x,y in zip(a,b) if y == 'bar']
如果你想要索引:
l = [i for (i,x),y in zip(enumerate(a),b) if y == 'bar']
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.