[英]Pandas Dataframe change column values with given interval
我正在嘗試根據間隔轉換我的列值,例如,
if(x<5)
x=2
else if(x>=5 %% x<10)
x=3
並嘗試使用單行代碼在 python 中進行操作。 使用蒙版和剪切方法,但我做不到。 這是我的審判,
dataset['CURRENT_RATIO' ] = dataset['CURRENT_RATIO'].mask((dataset['CURRENT_RATIO'] < 0.02, -7.0) | (dataset['CURRENT_RATIO'] > =0.02 & dataset['CURRENT_RATIO'] < 0.37),-5))
if x<0.02 then -7 else if x>=0.02 and x<0.37 then -5...
inptut output
0.015 -7
0.02 -5
0.37 -3
0.75 1
列表理解將執行以下操作:
dataset.CURRENT_RATIO = [-7 if i<.02 else -5 if i<.37 else -3 if i<.75 else 1 for i in dataset.CURRENT_RATIO]
使用 1,000,000 行的隨機數據集對其進行計時,得到以下結果:
334 ms ± 5.89 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
如果您要對具有不同閾值和更新值的多個列執行此操作,我將執行以下操作:
df = pd.DataFrame({'RATIO1': np.random.rand(10000000),
'RATIO2': np.random.rand(10000000)})
update_per_col = {'RATIO1': [(.02, -7), (.37, -5), (.75, -3), 1],
'RATIO2': [(.12, 5), (.47, 6), (.85, 7), 8]}
cols_to_be_updated = ['RATIO1', 'RATIO1']
for col in cols_to_be_updated:
df[col] = [update_per_col[col][0][1] if i<update_per_col[col][0][0] else
update_per_col[col][1][1] if i<update_per_col[col][1][0] else
update_per_col[col][2][1] if i<update_per_col[col][2][0] else update_per_col[col][3]
for i in df[col]]
當我們用 10,000,000 行和兩列來計時 for 循環時,我們得到:
9.37 s ± 147 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
為了解決 Joe Ferndz 的評論,讓我們嘗試加快速度。 我想出了兩種方法: apply()
和lambda
。 使用apply()
我們運行以下代碼(只有 for 循環是定時的):
def update_ratio(x, updates):
if x < updates[0][0]:
return updates[0][1]
elif x < updates[1][0]:
return updates[1][1]
elif x < updates[2][0]:
return updates[2][1]
else:
return updates[3]
for col in cols_to_be_updated:
df[col] = df[col].apply(update_ratio, updates=update_per_col[col])
這給了我們:
11.8 s ± 285 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
最后lambda
給出:
for col in cols_to_be_updated:
df[col] = df[col].apply(lambda x: update_per_col[col][0][1] if x<update_per_col[col][0][0] else
update_per_col[col][1][1] if x<update_per_col[col][1][0] else
update_per_col[col][2][1] if x<update_per_col[col][2][0] else
update_per_col[col][3])
8.91 s ± 171 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
這意味着 lambda 是最快的方法,但列表理解並不遙遠。
利用
dataset['CURRENT_RATIO'][dataset['CURRENT_RATIO']<10]=3
dataset['CURRENT_RATIO'][dataset['CURRENT_RATIO']<5]=2
第一行您將所有小於 10 的值設為 3,然后將所有小於 5 的值設為 2 它使 5 到 10 之間的所有值保持為 3
編寫自己的lambda
函數並使用pandas.apply()
會很聰明
def my_lambda(x):
if(x<5):
x=2
elif(x<10):
x=3
return x
dataset['CURRENT_RATIO' ] = dataset['CURRENT_RATIO'].apply(my_lambda)
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.