这个问题是关于在Pandas数据框中的逻辑行组上有效地应用自定义函数的,这些逻辑组在某些列中共享一个值。
请考虑以下数据框示例:
sID = [1,1,1,2,4,4,5,5,5]
data = np.random.randn(len(sID))
dates = pd.date_range(start='1/1/2018', periods=len(sID))
mydf = pd.DataFrame({"subject_id":sID, "data":data, "date":dates})
mydf['date'][5] += pd.Timedelta('2 days')
如下所示:
data date subject_id
0 0.168150 2018-01-01 1
1 -0.484301 2018-01-02 1
2 -0.522980 2018-01-03 1
3 -0.724524 2018-01-04 2
4 0.563453 2018-01-05 4
5 0.439059 2018-01-08 4
6 -1.902182 2018-01-07 5
7 -1.433561 2018-01-08 5
8 0.586191 2018-01-09 5
想象一下,对于每个subject_id
,我们想从每个日期中减去此subject_id遇到的第一个日期。将结果存储在新列“ days_elapsed”中,结果将如下所示:
data date subject_id days_elapsed
0 0.168150 2018-01-01 1 0
1 -0.484301 2018-01-02 1 1
2 -0.522980 2018-01-03 1 2
3 -0.724524 2018-01-04 2 0
4 0.563453 2018-01-05 4 0
5 0.439059 2018-01-08 4 3
6 -1.902182 2018-01-07 5 0
7 -1.433561 2018-01-08 5 1
8 0.586191 2018-01-09 5 2
一种自然的方法是使用groupby
和apply
:
g_df = mydf.groupby('subject_id')
mydf.loc[:, "days_elapsed"] = g_df["date"].apply(lambda x: x - x.iloc[0]).astype('timedelta64[D]').astype(int)
但是,如果组(主题ID)的数量很大(例如10 ^ 4),并且仅比数据帧的长度小10倍,那么这种非常简单的操作确实很慢。
有更快的方法吗?
PS:我还尝试过将索引设置为subject_id
,然后使用以下列表理解:
def get_first(series, ind):
"Return the first row in a group within a series which (group) potentially can span multiple rows and corresponds to a given index"
group = series.loc[ind]
if hasattr(group, 'iloc'):
return group.iloc[0]
else: # this is for indices with a single element
return group
hind_df = mydf.set_index('subject_id')
A = pd.concat([hind_df["date"].loc[ind] - get_first(hind_df["date"], ind) for ind in np.unique(hind_df.index)])
但是,它甚至更慢。
答案 0 :(得分:1)
您可以将GroupBy
和transform
与first
一起使用。这应该更有效,因为它避免了昂贵的lambda
函数调用。
通过pd.Series.values
使用NumPy数组,您可能还会看到性能改进:
first = df.groupby('subject_id')['date'].transform('first').values
df['days_elapsed'] = (df['date'].values - first).astype('timedelta64[D]').astype(int)
print(df)
subject_id data date days_elapsed
0 1 1.079472 2018-01-01 0
1 1 -0.197255 2018-01-02 1
2 1 -0.687764 2018-01-03 2
3 2 0.023771 2018-01-04 0
4 4 -0.538191 2018-01-05 0
5 4 1.479294 2018-01-08 3
6 5 -1.993196 2018-01-07 0
7 5 -2.111831 2018-01-08 1
8 5 -0.934775 2018-01-09 2
答案 1 :(得分:1)
$json_object = json_decode($json_string);
var_dump($json_object->miners);