Question

这是我的数据框：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3, 4, 6, 4, 3, 2, 7]})
buckets = [(0,3),(3,5),(5,9)]

我也有上述的直方图桶。现在我想将每行数据帧分配给存储桶索引。所以我想获得包含以下信息的新专栏：

df['buckets_index']  = [0,0,0,1,2,1,0,0,2]

当然，我可以用循环来做，但是我有相当大的数据帧（2.5 mil行），所以我需要快速完成它。

有什么想法吗？

Answer 1

如果您只想要索引，则可以使用pd.cut和labels=False：

buckets = [0,3,5,9]
df['bucket'] = pd.cut(df['A'], bins=buckets)
df['bucket_idx'] = pd.cut(df['A'], bins=buckets, labels=False)

结果输出：

   A  bucket  bucket_idx
0  1  (0, 3]           0
1  2  (0, 3]           0
2  3  (0, 3]           0
3  4  (3, 5]           1
4  6  (5, 9]           2
5  4  (3, 5]           1
6  3  (0, 3]           0
7  2  (0, 3]           0
8  7  (5, 9]           2

Answer 2

您可以使用np.searchsorted -

df['buckets_index'] = np.asarray(buckets)[:,1].searchsorted(df.A.values)

运行时测试 -

In [522]: df = pd.DataFrame({'A': np.random.randint(1,8,(10000))})

In [523]: buckets = [0,3,5,9]

In [524]: %timeit pd.cut(df['A'], bins=buckets, labels=False)
1000 loops, best of 3: 460 µs per loop # @root's soln

In [525]: buckets = [(0,3),(3,5),(5,9)]

In [526]: %timeit np.asarray(buckets)[:,1].searchsorted(df.A.values)
10000 loops, best of 3: 166 µs per loop

外部限制案例：对于这种情况，我们需要使用剪辑，如此 -

np.asarray(buckets)[:,1].searchsorted(df.A.values).clip(max=len(buckets)-1)

Pandas - 为每行

2 个答案: