[英]Pandas combinations of Dataframe and series
我有一個數據幀:
df = pd.DataFrame({
'A': [1,2,3,4],
'B': [12,23,34,45]
})
看起來像
----------------------------
index A B
0 1 12
1 2 23
2 3 34
3 4 45
-----------------------------
我有一個次數, [0,1,2]
。 我想每次都為df
復制行A和B:
------------------------------------
index A B time
1 12 0
1 12 1
1 12 2
2 23 0
2 23 1
2 23 2
3 34 0
3 34 1
3 34 2
4 45 0
4 45 1
4 45 2
-------------------------------------
我不想使用MultiIndex或Stack(因為我希望它盡可能平坦)。 結合沒有幫助。 我沒有加入,因為我正在嘗試組合,所以Merge / Concatenate似乎無濟於事。
也許使用pd.concat
比reindex
快一點
pd.concat([df]*len([0,1,2])).sort_index().assign(time=[0,1,2]*len(df))
Out[275]:
A B time
0 1 12 0
0 1 12 1
0 1 12 2
1 2 23 0
1 2 23 1
1 2 23 2
2 3 34 0
2 3 34 1
2 3 34 2
3 4 45 0
3 4 45 1
3 4 45 2
IIUC,使用reindex
+ repeat
o = df.shape[0]
df = df.reindex(df.index.repeat(len(times))).reset_index(drop=True)
df['time'] = times*o
A B time
0 1 12 0
1 1 12 1
2 1 12 2
3 2 23 0
4 2 23 1
5 2 23 2
6 3 34 0
7 3 34 1
8 3 34 2
9 4 45 0
10 4 45 1
11 4 45 2
績效考核:
%timeit df.reindex(df.index.repeat(len(times))).reset_index(drop=True).assign(time=times*df.shape[0])
675 µs ± 12.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit pd.concat([df]*len([0,1,2])).sort_index().assign(time=[0,1,2]*len(df))
812 µs ± 6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
對於小型dfs,和
%timeit df.reindex(df.index.repeat(len(times))).reset_index(drop=True).assign(time=times*df.shape[0])
237 ms ± 3.68 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit pd.concat([df]*len([0,1,2])).sort_index().assign(time=[0,1,2]*len(df))
5.78 ms ± 27 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
對於大型dfs
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.