Question

我有一个非常大的数据文件，可以使用以下代码建模：

import pandas as pd
import numpy as np
import random

x = pd.DataFrame({'file_name': np.repeat(['csv_1', 'csv_2'], 32),
                  'side': np.tile(np.repeat(['n', 'f'], 16),2),
                  'ten_13':np.tile(np.repeat(['10', '13'], 8),4),
                  'rand_data': np.random.uniform(-1, 1, size=64)})

x = x.set_index(['file_name', 'side', 'ten_13'])
x.head()

我需要您的帮助，使用pandas的groupby（）方法将名为web_col 的列添加到上述DataFrame x。

web_col列取决于列side，ten_13中值的组合，并且具有四个可能的序列值之一：

1：8如果'side'='n'和'ten_13'='10'的值

9:16如果'side'='n'和'ten_13'='13'的值

17:24如果'side'='f'和'ten_13'='10'的值

25:32如果'side'='f'和'ten_13'='13'的值

file_name包含各种csv文件;在下面的代码中它只有两个文件。每个文件都具有相同的side和ten_13的确切值。

我使用numpy函数web_col创建了此np.where()列，但我想使用pandas' groupby（）。 np.where()代码如下：

ten_13 = x.index.get_level_values('ten_13') side = x.index.get_level_values('side') n_10 = ((ten_13 == '10') & (side == 'n')).reshape(-1,8) n_13 = ((ten_13 == '13') & (side == 'n')).reshape(-1,8) f_10 = ((ten_13 == '10') & (side == 'f')).reshape(-1,8) f_13 = ((ten_13 == '13') & (side == 'f')).reshape(-1,8) web_col = np.where(n_10, np.arange(1, 9, 1), np.where(f_10, np.arange( 17, 25, 1), np.where(n_13, np.arange(9, 17, 1), np.where(f_13, np.arange(25,33, 1), np.arange(1, 9, 1))))) x['web_col'] = web_col.reshape(64,1) x.head()

Answer 1

你可以使用pandas.apply()，但考虑到你只有4个条件，以下可能效率更高。

x.loc[(x['side'] == 'n') & (x['ten_13'] == '10'), 'web_col'] = '1:8'
... for each condition

如果您设置了适当的索引，这将更快。

x.set_index(['side', 'ten_13'], inplace=True)
x.sortlevel(inplace=True)  # speeds up lookups
x.loc[('n', '10'), 'web_col'] = '1:8'
... for each condition
x.reset_index(inplace=True) # to restore original dataframe

使用groupby（）基于另外两列的值向pandas DataFrame添加一列

1 个答案: