[英]How to swap the 0 and 1 values for each other in a pandas data frame?
我正在使用一個pandas數據幀,其中包含一個全0和1的列,我試圖切換每個值(即所有的0變為1,所有的1變為0)。 是否有捷徑可尋?
使用replace
:
df = df.replace({0:1, 1:0})
或者更快numpy.logical_xor
:
df = np.logical_xor(df,1).astype(int)
或者更快:
df = pd.DataFrame(np.logical_xor(df.values,1).astype(int),columns=df.columns, index=df.index)
樣品:
np.random.seed(12)
df = pd.DataFrame(np.random.choice([0,1], size=[10,3]))
print (df)
0 1 2
0 1 1 0
1 1 1 0
2 1 1 0
3 0 0 1
4 0 1 1
5 1 0 1
6 0 0 0
7 1 0 0
8 1 0 1
9 1 0 0
df = df.replace({0:1, 1:0})
print (df)
0 1 2
0 0 0 1
1 0 0 1
2 0 0 1
3 1 1 0
4 1 0 0
5 0 1 0
6 1 1 1
7 0 1 1
8 0 1 0
9 0 1 1
另一種方案:
df = (~df.astype(bool)).astype(int)
print (df)
0 1 2
0 0 0 1
1 0 0 1
2 0 0 1
3 1 1 0
4 1 0 0
5 0 1 0
6 1 1 1
7 0 1 1
8 0 1 0
9 0 1 1
時間 :
np.random.seed(12)
df = pd.DataFrame(np.random.choice([0,1], size=[10000,10000]))
print (df)
In [69]: %timeit (np.logical_xor(df,1).astype(int))
1 loop, best of 3: 1.42 s per loop
In [70]: %timeit (df ^ 1)
1 loop, best of 3: 2.53 s per loop
In [71]: %timeit ((~df.astype(bool)).astype(int))
1 loop, best of 3: 1.81 s per loop
In [72]: %timeit (df.replace({0:1, 1:0}))
1 loop, best of 3: 5.08 s per loop
In [73]: %timeit pd.DataFrame(np.logical_xor(df.values,1).astype(int), columns=df.columns, index=df.index)
1 loop, best of 3: 350 ms per loop
編輯:這應該更快:
import numexpr as ne
arr = df.values
df = pd.DataFrame(ne.evaluate('1 - arr'),columns=df.columns, index=df.index)
如果您的數據幀僅包含1和0,則可以使用XOR運算符df ^ 1
In [19]: import pandas as pd
In [20]: df = pd.DataFrame({"a": [1,0,1], "b": [0,1,1]})
In [21]: df
Out[21]:
a b
0 1 0
1 0 1
2 1 1
In [22]: df ^ 1
Out[22]:
a b
0 0 1
1 1 0
2 0 0
一個簡單的方法是 -
df[:] = 1-df.values
為了提高性能,我們可能希望使用底層數組數據,對於像這樣的修改版本 -
a = df.values
a[:] = 1-a
樣品運行 -
In [43]: df
Out[43]:
0 1 2
0 0 0 1
1 0 0 1
2 0 0 1
3 1 1 0
4 1 0 0
In [44]: df[:] = 1-df.values
In [45]: df
Out[45]:
0 1 2
0 1 1 0
1 1 1 0
2 1 1 0
3 0 0 1
4 0 1 1
使用@jezrael's timings setup
使用該@jezrael's timings setup
中的最佳解決方案,與本文中提出的解決方案進行比較 -
In [46]: np.random.seed(12)
...: df = pd.DataFrame(np.random.choice([0,1], size=[10000,10000]))
...:
# Proposed in this post
In [47]: def swap_0_1(df):
...: a = df.values
...: a[:] = 1-a
...:
In [48]: %timeit pd.DataFrame(np.logical_xor(df.values,1).astype(int), columns=df.columns, index=df.index)
10 loops, best of 3: 218 ms per loop
In [49]: %timeit swap_0_1(df)
10 loops, best of 3: 198 ms per loop
甚至更好地使用輸入數組數據的布爾版本的否定 -
In [60]: def swap_0_1_bool(df):
...: a = df.values
...: a[:] = ~a.astype(bool)
...:
In [63]: %timeit swap_0_1_bool(df)
10 loops, best of 3: 179 ms per loop
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.