Question

我创建了一个在pandas数据帧中使用的掩码：

 mask = np.logical_and(
                csv_df['time'].map(operator.attrgetter('hour')).isin(
                    hours_set),
                csv_df['time'].map(lambda x: x.weekday_name[:3]).isin(
                    days_set))
csv_df = csv_df.loc[mask, :]

事实证明两个isin系列的计算速度相当慢。它的上面的方式计算两个系列，然后添加它们 - 是否有（惯用的）方法来每个元素短路，因为第一个系列大多是假的，所以我们不需要计算其他系列＆＃39;元件？

Answer 1

一个想法是：

mask = csv_df['time'].dt.hour.isin(hours_set) & 
       csv_df['time'].dt.strftime('%a').isin(days_set)

Anoather想法，如果大多数值不匹配，则首先过滤第二个，然后过滤第二个：

csv_df1 = csv_df.loc[csv_df['time'].dt.strftime('%a').isin(days_set)]
csv_df2 = csv_df1.loc[csv_df1['time'].dt.hour.isin(hours_set)]

短路numpy logical_and大熊猫系列

1 个答案: