Question

使用python 2.7和pandas 0.9.1生成以下代码。

我的数据框有两列'minor'和'major'。我通过获取两者的最大绝对值来计算“临界”值，并构建一个名为“批评者”的新列：

>>> import pandas as pd
>>> df = pd.DataFrame(
...:     {'minor':[-6, -2.3, 19.2], 'major':[2, 3, 7.4]},
...:     index=[10,20,30])
>>> print df
    major  minor
10    2.0   -6.0
20    3.0   -2.3
30    7.4   19.2
>>> df['critic'] = df[['minor', 'major']].abs().max(axis=1)
>>> print df
    major  minor  critic
10    2.0   -6.0     6.0
20    3.0   -2.3     3.0
30    7.4   19.2    19.2

我的问题是建立一个新列，比方说，'critic_vector'显示给出该值的列名。到现在为止，我一直在使用DataFrame.apply（）：

>>> def get_col_name(row, df, headers):
        tmp = (abs(df[headers].ix[row.name]) == row['critic'])
        retval = tmp.index[tmp.argmax()]
        return retval
>>> df['critic_vector'] = df.apply(get_col_name,
                                     axis=1,
                                     args=(df ,['minor', 'major']))
>>>print df
    major  minor  critic critic_vector
10    2.0   -6.0     6.0       minor
20    3.0   -2.3     3.0       major
30    7.4   19.2    19.2       minor

它正常工作;但是，使用大量数据，df.apply（）函数是我的第一个瓶颈。有没有办法直接做到这一点，而不使用df.apply（）？

提前致谢

Answer 1

随机想法：要获取索引，您可以使用.idxmax代替max，即

>>> w = df[['minor','major']].abs().idxmax(axis=1)
>>> w
10    minor
20    major
30    minor
dtype: object

然后你可以使用lookup（可能更简单，但我现在想念它）：

>>> df.lookup(df.index, w)
array([ -6. ,   3. ,  19.2])

IOW：

>>> df['critic_vector'] = df[['minor','major']].abs().idxmax(axis=1)
>>> df['critic'] = abs(df.lookup(df.index, df.critic_vector))
>>> df
    major  minor critic_vector  critic
10    2.0   -6.0         minor     6.0
20    3.0   -2.3         major     3.0
30    7.4   19.2         minor    19.2

我对lookup行并不是非常满意 - 当然，您可以将其替换为原来的max电话 - 但我认为idxmax方法不是'不好的。

Pandas：通过摆脱DataFrame.apply（）来优化一些python代码

1 个答案: