繁体   English   中英

当旧序列缺少数据时,基于Pandas中的条件创建新二进制序列的最有效方法?

[英]Most efficient method for creating new binary Series based on conditional in Pandas when the old series has missing data?

当基础数据为数字或文本并包含缺少的元素时,基于二进制条件创建新的熊猫系列的最有效*方法是什么?

(*高效意味着最大程度地减少RAM利用率和在大型系列上运行的时间)

下面的示例-是否有单个代码模式同时适用于数字和文本(以及其他dtypes)? 我在SO建议np.where()上看到了其他问题,但这在缺少数据的情况下给出了错误的答案

import pandas as pd
import numpy as np
# create values
s1 = pd.Series(range(10,30))
# create missing
s1[s1 < 12] = np.NaN

# return new series based on binary condition that respects missing data?
# this does not respect missing data
np.where(s1>18, 'adult','not-adult')  # NaN values evaluate to false
# using series.gt does not help
s1.gt(18)

# pd.cut works for numeric data, but what if the underlying data/conditionals were strings? 
pd.cut(s1, bins=[0,18,100],labels=['Young','Old']) # works for numeric

# string example
s2 = pd.Series(['Saturday','Sunday','Monday',np.NaN])
# np.where
np.where(s2.isin(['Saturday','Sunday']), 'weekend','not weekend')  # NaN values evaluate to false

## What code pattern is efficient/elegant that gives desired behavior?
## Output Series should be NaN wherever input Series is NaN

不,没有单一模式,因为每个选择在逻辑上都是不同的。

任何==, <, <=, >,>与至少一个NaN比较都将False 对于NaN < 12pandas返回False是正确的,因为这是标准。 偏离这一点需要您自己的逻辑。

使用pd.cut的逻辑与上述相同,但后果不同。 如果s1属于垃圾箱,则进行分组。 由于NaN不在任何这些bin中,因此不会对NaN进行装箱,并且输出为NaN

在最后一种情况下, NaN not in ['Saturday', 'Sunday']所以它为False

暂无
暂无

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.

 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM