Question

假设我有以下数据：

try:
    from StringIO import StringIO
except ImportError:
    from io import StringIO
import pandas as pd
from numpy import uint8

vector = pd.Series([1, 0, 0, 1])

df = pd.read_table(StringIO("""a    b    c
1   0   0
1   1   1
0   1   1
1   1   0"""), sep="\s+", dtype=uint8, header=0)

如何“或”df中每列的向量？

我知道我可以使用“或”和我的矢量制作部分功能并将其应用到df，但这可能是单一的，并且不必要地耗费时间。什么是熊猫的方式？

想想看，惯用的方式可能是一个lambda ...这个没有二元运算符，比如dataframe.div(series)吗？（Binary DF operations）

我想要dataframe.or(vector) ...

Answer 1

您可以将DataFrame和（列）向量直接传递给np.logical_or：

>>> np.logical_or(df, vector[:, None])
       a     b     c
0   True  True  True
1   True  True  True
2  False  True  True
3   True  True  True

请注意，这会返回一个布尔值的DataFrame;如果您愿意，可以转换回数值数据类型。

Answer 2

你可以利用numpy的广播，对基础的numpy数组（df.values）进行按位或按位：

import numpy as np
new_values = df.values.astype(bool) | vector.values[:,np.newaxis].astype(bool)

这会产生一个numpy数组，而不是数据帧，但您可以轻松地重新构建数据帧：

new_df = pd.DataFrame(new_values, columns = df.columns)

由于这种方法直接让numpy进行计算，因此可能是最快的。

如何使用向量“或”数据框架中的每个列？

2 个答案: