Question

我有一个数据框next_train，其中包含许多玩家的每周数据（在4个星期内观察到80,000个玩家，总共观察320,000次），还有一个字典players，其中包含一些玩家的二进制变量（例如10,000）。我想将此二进制变量添加到数据帧next_train中（如果播放器不在字典players中，则将该变量设置为零）。这就是我的做法：

next_train = pd.read_csv()
# ... calculate dictionary 'players' ...
next_train['variable'] = 0
for player in players:
    next_train.loc[next_train['id_of_player'] == player, 'variable'] = players[player]

但是for循环要花一些时间才能完成，我不明白为什么。看来任务是对我的数据帧中的值player执行二进制搜索10,000次（players字典的大小），但是执行时间是几分钟。有什么有效的方法可以完成这项任务吗？

Answer 1

您应该使用map而不是切片，这样会更快：

next_train['variable'] = next_train.id_of_player.map(players)

如果您希望其他行为0，则可以使用fillna：

next_train.variable.fillna(0,inplace = True)

此外，如果您的词典仅包含布尔值，则可能需要重新定义variable列的类型以减少空间。所以您以这段代码结束：

next_train['variable'] = next_train.id_of_player.map(players).fillna(0).astype(int)

Answer 2

使用map和fillna：

next_train['variable'] = next_train['id_of_player'].map(players).fillna(0)

这通过在玩家ID上应用字典来创建新列，然后用0填充所有空值。

Python Pandas：有效地将值分配给切片

2 个答案: