Pandas：Dataframe itertuples 布爾系列 groupby 優化

Question

我是python的新手。 我有數據框（DF）示例：

ID	類型
1	一種
1	乙
2	C
2	乙

我想按 id 添加列示例 A_flag 組。 最后我有數據框（DF）：

ID	類型	一只旗
1	一種	1
1	乙	1
2	C	0
2	乙	0

我可以分兩步做到這一點：

• DF['A_flag_tmp'] = [1 if x.type=='A' else 0 for x in DF.itertuples()]
• DF['A_flag'] = DF.groupby(['id'])['A_flag_tmp'].transform(np.max)

它正在工作，但對於大數據幀來說非常慢。 有沒有辦法優化這種情況？ 感謝幫助。

Answer 1

通過替換 Pandas 內置函數生成布爾系列的第一步，將慢速迭代編碼的代碼更改為快速矢量化編碼，例如

df['type'].eq('A')

然后，您可以將其附加到第二步的 groupby 語句中，如下所示：

df['A_flag'] = df['type'].eq('A').groupby(df['id']).transform('max').astype(int)

結果

print(df)


   id type  A_flag
0   1    A       1
1   1    B       1
2   2    C       0
3   2    B       0

一般來說，如果你有更復雜的條件，你也可以用矢量化的方式定義它，例如。 通過以下方式定義布爾系列m ：

m = df['type'].eq('A') & df['type1'].gt(1)  | (df['type2'] != 0)

然后，在步驟 2 中使用它，如下所示：

m.groupby(df['id']).transform('max').astype(int)