Question

我有一个看起来像这样的DataFrame：

| Age | Married | OwnsHouse |
| 23  | True    | False     |
| 35  | True    | True      |
| 14  | False   | False     |
| 27  | True    | True      |

我想找到已婚并拥有房屋的所有人的最高年龄。答案是35。我首先想到的是：

df_subset = df[df['Married'] == True and df['OwnsHouse'] == True]
max_age = df_subset.max()

但是，数据集很大（50MB），我担心这会花费两次数据集，因此计算量很大。

我的第二个想法是要做：

max_age = 0
for index, row in df.iterrows():
    if(row[index]['Married] and row['index']['OwnsHouse'] and row[index]['Age] > max_age):
    max_age = row[index]['Age']

有更快的方法吗？

Answer 1

您的第一种方法是可靠的，但这是一个简单的选择：

df[df['Married'] & df['OwnsHouse']].max()

Age          35.0
Married       1.0
OwnsHouse     1.0
dtype: float64

或者，只是年龄：

df.loc[df['Married'] & df['OwnsHouse'], 'Age'].max()
# 35

如果您有多个布尔列，我建议您进行一些扩展，

df[df[['Married', 'OwnsHouse']].all(axis=1)].max()

Age          35.0
Married       1.0
OwnsHouse     1.0
dtype: float64

在哪里

df[['Married', 'OwnsHouse']].all(axis=1)

0    False
1     True
2    False
3     True
dtype: bool

与...相同，

df['Married'] & df['OwnsHouse']

0    False
1     True
2    False
3     True
dtype: bool

但是，不是手动查找N个布尔掩码的AND，而是.all为您完成

。

query是另一种选择：

df.query("Married and OwnsHouse")['Age'].max()
# 35

它不需要计算遮罩的中间步骤。

您的方法足够快，但是如果要进行微优化，可以使用numpy进行以下操作：

# <= 0.23
df[(df['Married'].values & df['OwnsHouse'].values)].max()
df[df[['Married', 'OwnsHouse']].values.all(axis=1)].max()
# 0.24+
df[(df['Married'].to_numpy() & df['OwnsHouse'].to_numpy())].max()
df[df[['Married', 'OwnsHouse']].to_numpy().all(axis=1)].max()

Age          35.0
Married       1.0
OwnsHouse     1.0
dtype: float64

尽管您可能只想要年龄。做

df.loc[(df['Married'].to_numpy() & df['OwnsHouse'].to_numpy()), 'Age'].max()
# 35

如果您想要更多的numpy，请执行以下操作：

df.loc[(
   df['Married'].to_numpy() & df['OwnsHouse'].to_numpy()), 'Age'
].to_numpy().max()
# 35

或者更好，丢掉熊猫，

df['Age'].to_numpy()[df['Married'].to_numpy() & df['OwnsHouse'].to_numpy()].max()
# 35

获取满足条件的行的列的最大值

1 个答案: