Question

我有一个类似于此的DataFrame：

import numpy as np
raw_data = {'Identifier':['10','10','10','11',11,'12','13']}
import pandas as pd
df = pd.DataFrame(raw_data,columns=['Identifier'])
print df

正如您所见，标识符＆＃39; column不是唯一的，dataframe本身有很多行。

每次我尝试使用以下方法对Identifier列进行计算：

df['CalculatedColumn'] = df['Identifer'] + apply calculation here

由于Identifer不是唯一的，有没有更好的方法呢？也许存储每个唯一标识符的计算，然后传递结果？计算非常复杂并且添加了行数，这需要很长时间。但我想减少它，因为标识符不是唯一的。

有什么想法吗？

Answer 1

我很确定有更多的pythonic方式，但这对我有用：

import numpy as np
import pandas as pd

raw_data = {'Identifier':['10','10','10','11','11','12','13']}
df = pd.DataFrame(raw_data,columns=['Identifier'])
df['CalculatedColumn']=0

dfuni=df.drop_duplicates(['Identifier'])
dfuni['CalculatedColumn']=dfuni['Identifier']*2  # perform calculation

for j in range(len(dfuni)):
    df['CalculatedColumn'][df['Identifier']==dfuni['Identifier'].iloc[j]]=dfuni['CalculatedColumn'].iloc[j]

print df 
print dfuni

作为解释：我创建了一个新的数据框dfuni，其中包含原始数据框的所有唯一字段。然后，你对此进行计算（我只是将Identifier的值乘以2，因为它是一个字符串，结果是1010，1111等。到目前为止，我喜欢这些代码，但接下来，我使用dfuni的所有值循环将它们复制回原始df。对于这一点，可能会有一个更优雅的解决方案。

结果，我得到了：

  Identifier CalculatedColumn
0         10             1010
1         10             1010
2         10             1010
3         11             1111
4         11             1111
5         12             1212
6         13             1313

PS：这段代码是用Python 3测试的。我唯一适应的是print-statements。我可能错过了一些东西。

在非独特的Pandas DataFrame列上高效运行操作

1 个答案: