我怎樣才能使這個 python 代碼更有效率？

Question

我意識到這是一種非常低效的編碼方式，所以我希望有人能就更有效的方法提出建議。

本質上，我正在嘗試創建一個列（“freq”），NA 和“Nothing”對象的值為 0，否則為 1。 樣本 df：

i   obj           freq

0.  Nothing        0
1.  Something      1
2.  NaN            0
3.  Something      1


for i in range(0,len(df)):
  if str(df["obj"].iloc[i]) == "Nothing" or str(df["obj"].iloc[i]) == NaN:
    d["freq"].iloc[i] = 0
  else:
    df["freq"].iloc[i] = 1

Answer 1

你可以使用 np.where()

import pandas as pd 
import numpy as np

df = pd.DataFrame({'obj': {0: 'Nothing', 1: 'Something', 2: np.nan, 3: 'Something'}})

df['freq'] = np.where((df['obj'] == 'Nothing') | (df['obj'].isnull()), 0, 1)

Answer 2

沒有 dataframe 很難檢查是否有效，但它應該

indexer = (df['obj'] == 'Nothing') | (df['obj'].astype(str) == 'NaN')
df.loc[indexer, 'freq'] = 0
df.loc[~indexer, 'freq'] = 1

Answer 3

在這種情況下，甚至沒有必要使用numpy ：

df['freq'] = (~(df.obj.isnull() | (df.obj == 'Nothing'))) * 1

筆記：

用“0”和“1”編碼有用嗎？ 我們不能保留 boolean 操作的結果，同時保留“False”和“True”值嗎？ 如果是這樣的話，答案就是：

df['freq'] = ~(df.obj.isnull() | (df.obj == 'Nothing'))