我想将数字转换为二进制并使用Python存储在Pandas中的多列中。 这是一个例子。
df = pd.DataFrame([['a', 1], ['b', 2], ['c', 0]], columns=["Col_A", "Col_B"])
for i in range(0,len(df)):
df.loc[i,'Col_C'],df.loc[i,'Col_D'] = list( (bin(df.loc[i,'Col_B']).zfill(2) ) )
我正在尝试转换二进制文件并将其存储在数据框中的多个列中。将数字转换为二进制后,输出必须包含2位数字。一切正常。
问题:如果我的数据集包含数千条记录,我可以看到性能差异。如果我想提高上述代码的性能,我们该怎么做? 我尝试使用以下单行代码,但对我而言不起作用。
df[['Col_C','Col_D']] = list( (bin(df['Col_B']).zfill(2) ) )
答案 0 :(得分:3)
如果性能很重要,请将numpy
与this solution结合使用:
d = df['Col_B'].values
m = 2
df[['Col_C','Col_D']] = pd.DataFrame((((d[:,None] & (1 << np.arange(m)))) > 0).astype(int))
print (df)
Col_A Col_B Col_C Col_D
0 a 1 1 0
1 b 2 0 1
2 c 0 0 0
性能(快1000倍):
df = pd.DataFrame([['a', 1], ['b', 2], ['c', 0]], columns=["Col_A", "Col_B"])
df = pd.concat([df] * 1000, ignore_index=True)
In [162]: %%timeit
...: df[['Col_C','Col_D']] = df['Col_B'].apply(lambda x: pd.Series(list(bin(x)[2:].zfill(2))))
...:
609 ms ± 14.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [163]: %%timeit
...: d = df['Col_B'].values
...: m = 2
...: df[['Col_C','Col_D']] = pd.DataFrame((((d[:,None] & (1 << np.arange(m)))) > 0).astype(int))
...:
618 µs ± 26.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
答案 1 :(得分:2)
apply
是您要寻找的方法。
df[['Col_C','Col_D']] = df['Col_B'].apply(lambda x: pd.Series(list(bin(x)[2:].zfill(2))))
起到了作用。
我对3000行进行了基准测试,它比您提到的for循环方法快(0.5秒vs 3秒)。但是通常速度不会快得多,因为它仍然需要分别为每行应用该功能。
from time import time
start = time()
for i in range(0,len(df)):
df.loc[i,'Col_C'],df.loc[i,'Col_D'] = list( (bin(df.loc[i,'Col_B'])[2:].zfill(2) ) )
print(time() - start)
# 3.4339962005615234
start = time()
df[['Col_C','Col_D']] = df['Col_B'].apply(lambda x: pd.Series(list(bin(x)[2:].zfill(2))))
print(time() - start)
# 0.5619983673095703
注意:我使用的是python 3,例如bin(1)
返回'0b1'
,因此我使用bin(x)[2:]
摆脱了'0b'
部分。