Question

我想在pandas中创建一个虚拟变量，如果A列中的值大于0则值为1，否则为0。该假人应该存储在一个新的G列中。

               A         B         C         D         E         F  
2016-01-01  0.571650  0.427669  0.090381 -0.765132 -1.164994  0.244477   
2016-01-02  0.834616  0.938302 -0.428445 -0.067147  0.126845  0.783122   
2016-01-03  1.996946 -0.178791  1.478010  0.424868  2.311478 -0.357036   
2016-01-04  0.423200  0.229080  1.414170  0.258490  0.931763  0.096947   
2016-01-05 -0.400117 -0.785149  1.748607  1.777462 -0.509319  0.314151

目前，我有这个

a = []
for row in df['A']:
    if row > 0:
        a.append(1)
    else:
        a.append(0)
df['G'] = a

这有效，但我有直觉，必须有更好，更简单的方法吗？

Answer 1

比较整个列并使用astype

投射dtype

In [21]:
df['G'] = (df['A'] > 0).astype(int)
df

Out[21]:
                   A         B         C         D         E         F  G
2016-01-01  0.571650  0.427669  0.090381 -0.765132 -1.164994  0.244477  1
2016-01-02  0.834616  0.938302 -0.428445 -0.067147  0.126845  0.783122  1
2016-01-03  1.996946 -0.178791  1.478010  0.424868  2.311478 -0.357036  1
2016-01-04  0.423200  0.229080  1.414170  0.258490  0.931763  0.096947  1
2016-01-05 -0.400117 -0.785149  1.748607  1.777462 -0.509319  0.314151  0

比较生成一个布尔Series dtype bool：

In [22]:
df['A'] > 0

Out[22]:
2016-01-01     True
2016-01-02     True
2016-01-03     True
2016-01-04     True
2016-01-05    False
Name: A, dtype: bool

因此，将类型转换为int会将True转换为1，将False转换为0

对于50k df：

In [36]:
%%timeit 
a=[]
for row in df['A']:
    if row > 0:
        a.append(1)
    else:
        a.append(0)
100 loops, best of 3: 15.1 ms per loop

In [37]:
%timeit df['G'] = (df['A'] > 0).astype(int)

1000 loops, best of 3: 423 µs per loop

因此，矢量化版本的速度提高约35倍，并且使用更大的dfs

可以更好地扩展

基于值的pandas中的虚拟变量

1 个答案: