[英]Replace each value of string appearing in pandas dataframe with separate floating value
我有一個看起來像這樣的熊貓數據框:
輸入數據框:
A B C
0 m h c
1 l c m
2 h m l
3 c l h
4 m c m
我想用給定范圍內的浮點數替換每個l、m、h 和 c值的每次出現。 每個字符串的值范圍如下:
范圍:
l: 0.0 - 0.25
m: 0.25 - 0.5
h: 0.5 - 0.75
c: 0.75 - 1.0
每次出現都應在給定范圍內有一個值,但不應重復。 轉換后的示例輸出數據幀應如下所示:
輸出數據幀:
A B C
0 0.31 0.51 0.76
1 0.12 0.56 0.28
2 0.61 0.35 0.21
3 0.8 0.16 0.71
4 0.46 0.72 0.37
我嘗試了一種使用transform
方法。 但它不能完全工作,因為值在列中重復:
def _foo(col):
w = {'l': np.random.uniform(0.0,0.25),
'm':np.random.uniform(0.25,0.5),
'h': np.random.uniform(0.5,0.75),
'c':np.random.uniform(0.75,1.0)}
col = col.replace(w)
return col
df = df.transform(_foo)
如果我使用apply
方法,那么也會發生同樣的問題,並且沿行重復值。 它也沒有很好的性能,因為實際的數據幀有 50-60000 行。 所以apply
會運行很多次。
def _bar(row):
w = {'l': np.random.uniform(0.0,0.25),
'm':np.random.uniform(0.25,0.5),
'h': np.random.uniform(0.5,0.75),
'c':np.random.uniform(0.75,1.0)}
row= row.replace(w)
return row
df = df.apply(_bar, axis=1)
關於如何在熊貓中有效地做到這一點的任何建議?
這是一種針對性能的矢量化方法:
def map_by_val(df, l):
# dictionary to map dataframe values to index
d = {j:i for i,j in enumerate(l)}
# replace using dictionary
a = df.replace(d).to_numpy()
# since the ranges are a sequence, we can create a
# linspace, and divide in 10 bins each range
rep = np.linspace(0.0, 1.0, 40).reshape(4,-1)
# random integer indexing in each rows
ix = np.random.randint(0,rep.shape[1],a.shape)
# advanced indexing of the array using random integers per row
out = rep[a.ravel(), ix.ravel()].reshape(a.shape).round(2)
return pd.DataFrame(out)
l = ['l','m','h','c']
map_by_val(df, l)
0 1 2
0 0.49 0.74 0.87
1 0.23 0.90 0.49
2 0.67 0.49 0.18
3 0.79 0.21 0.56
4 0.46 0.87 0.36
基准
不幸的是,對象dtype
限制了矢量化方法的性能,因為最初DataFrame.replace
以使用字典映射值。 這個答案和stack+groupby
答案的表現非常相似:
l = ['l','m','h','c']
ranges = {'l': (0,0.25),
'm': (0.25, 0.5),
'h': (0.5,0.75),
'c':(0.75,1)}
def get_rand(x):
lower, upper = ranges[x.iloc[0]]
return np.random.uniform(lower, upper, len(x))
def stack_groupby(df):
s = df.stack()
return s.groupby(s).transform(get_rand).unstack()
plt.figure(figsize=(12,6))
perfplot.show(
setup=lambda n: pd.concat([df]*n, axis=0).reset_index(drop=True),
kernels=[
lambda s: s.applymap(lambda x : np.random.uniform(*ranges[x],1)[0]),
lambda s: map_by_val(s, l),
lambda s: stack_groupby(s)
],
labels=['applymap', 'map_by_val', 'stack_groupby'],
n_range=[2**k for k in range(0, 17)],
xlabel='N',
equality_check=None
)
咱們試試吧:
s = df.stack()
ranges = {'l': (0,0.25),
'm': (0.25, 0.5),
'h': (0.5,0.75),
'c':(0.75,1)}
def get_rand(x):
lower, upper = ranges[x.iloc[0]]
return np.random.uniform(lower, upper, len(x))
s.groupby(s).transform(get_rand).unstack()
輸出:
A B C
0 0.351150 0.673156 0.829484
1 0.095481 0.836520 0.258559
2 0.599817 0.282766 0.048788
3 0.851617 0.010585 0.501335
4 0.422449 0.997759 0.287950
可以試試
out = df.applymap(lambda x : np.random.uniform(*ranges[x],1)[0])
A B C
0 0.399545 0.592302 0.862708
1 0.135859 0.873516 0.381962
2 0.665365 0.410010 0.127253
3 0.936032 0.241266 0.686508
4 0.273130 0.839988 0.391465
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.