Question

我已经编写了一些代码来基本上在两个pandas数据帧上执行excel样式的vlookup，并希望加快速度。

数据框的结构如下： dbase1_df.columns：
'VALUE'，'COUNT'，'GRID'，'SGO10GEO'

merged_df.columns：
'GRID'，'ST0'，ST1'，'ST2'，'ST3'，'ST4'，'ST5'，'ST6'，'ST7'，'ST8'，'ST9'，'ST10'

sgo_df.columns：
'mkey'，'type'

要合并它们，我会执行以下操作：
1.对于dbase1_df中的每一行，找到其“SGO10GEO”值与sgo_df的“mkey”值匹配的行。从sgo_df中的该行获取'type'。

'type'包含一个介于0到10之间的整数。通过将'ST'附加到type来创建列名。
在merged_df中查找值，其中“GRID”值与dbase1_df中的“GRID”值匹配，列名称是我们在步骤2中获得的值。将此值输出到csv文件中。

//将dbase1 dbf读入数据框

dbase1_df = pandas.DataFrame.from_csv（dbase1_file，index_col = False）
merged_df = pandas.DataFrame.from_csv（'merged.csv'，index_col = False）

lup_out.writerow（[ “VALUE”， “类型”，EXTRACT_VAR.upper（）]）
//对于dbase1数据框中的每个唯一值：
对于index，dbase1_df.iterrows（）中的行：

# 1. Find the soil type corresponding to the mukey
tmp  = sgo_df.type.values[sgo_df['mkey'] == int(row['SGO10GEO'])]
if tmp.size > 0:        
    s_type = 'ST'+tmp[0]
    val       = int(row['VALUE'])            

    # 2. Obtain hmu value
    tmp_val  = merged_df[s_type].values[merged_df['GRID'] == int(row['GRID'])] 
    if tmp_val.size > 0:
        hmu_val = tmp_val[0]             
        # 4. Output into data frame: VALUE, hmu value
        lup_out.writerow([val,s_type,hmu_val])
    else:
        err_out.writerow([merged_df['GRID'], type, row['GRID']])

这里有什么可能是速度瓶颈吗？目前在dbase1_df中大约需要20分钟左右~500,000行; merged_df中约1,000行，sgo_df中约500,000行。

谢谢！

Answer 1

您需要在Pandas中使用合并操作才能获得更好的性能。我无法测试下面的代码，因为我没有数据，但至少它应该可以帮助你理解：

import pandas as pd

dbase1_df = pd.DataFrame.from_csv('dbase1_file.csv',index_col=False)
sgo_df = pd.DataFrame.from_csv('sgo_df.csv',index_col=False)
merged_df = pd.DataFrame.from_csv('merged_df.csv',index_col=False)

#you need to use the same column names for common columns to be able to do the merge operation in pandas , so we changed the column name to mkey

dbase1_df.columns = [u'VALUE', u'COUNT', u'GRID', u'mkey']

#Below operation merges the two dataframes
Step1_Merge = pd.merge(dbase1_df,sgo_df)

#We need to add a new column to concatenate ST and type
Step1_Merge['type_2'] = Step1_Merge['type'].map(lambda x: 'ST'+str(x))

# We need to change the shape of merged_df and move columns to rows to be able to do another merge operation
id = merged_df.ix[:,['GRID']]
a = pd.merge(merged_df.stack(0).reset_index(1), id, left_index=True, right_index=True)

# We also need to change the automatically generated name to type_2 to be able to do the next merge operation
a.columns = [u'type_2', 0, u'GRID']


result = pd.merge(Step1_Merge,a,on=[u'type_2',u'GRID'])

加速vlookup就像在python中使用pandas一样操作

1 个答案: