Question

我有一个包含A列和B列的DataFrame。现在我想像这样生成列C：

       A   B   C
index  
 1     0   50   NaN
 2     1   60   60
 3     0   40   60
 4     0   30   60 
 5     1   40   40

如果C在此行中，则

B获得A==1的值。然后，这个值将保留在下一行中，直到下一次A==1。如何以矢量化方式执行此操作？

Answer 1

您可以选择B的值，其中A == 1，然后填写前进：

a = pd.DataFrame({"A":[0,1,0,0,1], "B":[50,60,40,30,40]}, index=[1,2,3,4,5])
a["C"] = a.B[a.A == 1]
a = a.fillna(method="ffill")

ffill方法向前传播最后一次有效观察以填充NaN。有关详细信息，请参阅http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.fillna.html。

这给出了：

   A   B   C
1  0  50 NaN
2  1  60  60
3  0  40  60
4  0  30  60
5  1  40  40

Answer 2

替代方法，单线，似乎有点快：

In [301]: df['C'] = pd.Series(np.where(df.A==1, df.B, np.nan), index=df.index).ffill()

In [302]: df
Out[302]:
   A   B     C
1  0  50   NaN
2  1  60  60.0
3  0  40  60.0
4  0  30  60.0
5  1  40  40.0

设置500K行DF：

In [310]: %paste
def method1(a):
    a["C"] = a.B[a.A == 1]
    return a.fillna(method="ffill")

def method2(df):
    df['C'] = pd.Series(np.where(df.A==1, df.B, np.nan), index=df.index).ffill()
    return df
## -- End pasted text --

df = pd.concat([df] * 10**5, ignore_index=True)

In [313]: df.shape
Out[313]: (500000, 2)

定时：

In [311]: %timeit method1(df)
10 loops, best of 3: 95.3 ms per loop

In [312]: %timeit method2(df)
100 loops, best of 3: 17.8 ms per loop

有趣的是，我认为@ Seabass的方法应该更快，但显然它不是......

填写有条件的结果

2 个答案: