Question

假设您有一个熊猫DataFrame，它的主体中有某种数据，而column和index名称中的数字。

>>> data=np.array([['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']])
>>> columns = [2, 4, 8]
>>> index = [10, 4, 2]
>>> df = pd.DataFrame(data, columns=columns, index=index)
>>> df
    2  4  8
10  a  b  c
4   d  e  f
2   g  h  i

现在假设我们想基于索引和列的比较以某种方式操纵数据帧。请考虑以下内容。

如果索引大于列，则用'k'替换字母：

    2  4  8
10  k  k  k
4   k  e  f
2   g  h  i

索引等于列的字母替换为'U'：

    2  4  8
10  k  k  k
4   k  U  f
2   U  h  i

其中列大于索引的地方用'Y'替换字母：

    2  4  8
10  k  k  k
4   k  U  Y
2   U  Y  Y

使问题对所有人有用：

进行此替换的快速方法是什么？
进行此替换的最简单方法是什么？

从最小示例加速结果

jezrael ：556 µs ± 66.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
user3471881 ：329 µs ± 11.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
雷木：4.65 ms ± 252 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

这是重复的吗？ 我在Google上搜索了pandas replace compare index column，结果是：

Pandas - Compare two dataframes and replace values matching condition

Python pandas: replace values based on location not index value

Pandas DataFrame: replace all values in a column, based on condition

但是，对于a）可行还是b）如何以这种方式进行比较，我没有任何感触

Answer 1

我认为您需要numpy.select进行广播：

m1 = df.index.values[:, None] > df.columns.values
m2 = df.index.values[:, None] == df.columns.values


df = pd.DataFrame(np.select([m1, m2], ['k','U'], 'Y'), columns=df.columns, index=df.index)
print (df)
    2  4  8
10  k  k  k
4   k  U  Y
2   U  Y  Y

性能：

np.random.seed(1000)

N = 1000
a = np.random.randint(100, size=N)
b = np.random.randint(100, size=N)

df = pd.DataFrame(np.random.choice(list('abcdefgh'), size=(N, N)), columns=a, index=b)
#print (df)

def us(df):
    values = np.array(np.array([df.index]).transpose() - np.array([df.columns]), dtype='object')
    greater = values > 0
    less = values < 0
    same = values == 0

    values[greater] = 'k'
    values[less] = 'Y'
    values[same] = 'U'


    return pd.DataFrame(values, columns=df.columns, index=df.index)

def jez(df):

    m1 = df.index.values[:, None] > df.columns.values
    m2 = df.index.values[:, None] == df.columns.values
    return pd.DataFrame(np.select([m1, m2], ['k','U'], 'Y'), columns=df.columns, index=df.index)

In [236]: %timeit us(df)
107 ms ± 358 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [237]: %timeit jez(df)
64 ms ± 299 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 2

不确定实现此目标的最快方法，但是一个非常简单的方法就是像这样迭代数据框：

for i in df.index:
    for j in df.columns:
        if i>j:
            df.loc[i,j]='k'
        elif j>i:
            df.loc[i,j]='y'
        else:
            df.loc[i,j]='u'

Answer 3

1。使用np.arrays + np.select：

values = np.array(np.array([df.index]).transpose() - np.array([df.columns]))

greater = values > 0
same = values == 0

df = pd.DataFrame(np.select([greater, same], ['k', 'U'], 'Y'), columns=df.columns, index=df.index)

2。使用np.arrays和手动遮罩。

values = np.array(np.array([df.index]).transpose() - np.array([df.columns]), dtype='object')

greater = values > 0
less = values < 0
same = values == 0

values[greater] = 'k'
values[less] = 'Y'
values[same] = 'U'


df = pd.DataFrame(values, columns=df.columns, index=df.index)

Pandas DataFrame基于列，索引值比较来更改值

3 个答案: