Question

这是我的数据框：

import pandas as pd
df = pd.DataFrame({'animal':['dog','cat','rabbit','pig'],'color':['red','green','blue','purple'],\
               'season':['spring,','summer','fall','winter']})

我有一个列表

l = ['dog','green','purple']

使用这些数据框和列表，我想在df中添加另一列，这实际上是如果“动物”列或“颜色”列与l（list）的某些项匹配的结果。

所以，我想要的结果（数据框）在下面（我想表示一个表）：

pd.DataFrame({'animal':['dog','cat','rabbit','pig'],
               'color':['red','green','blue','purple'],
               'season':['spring,','summer','fall','winter'],
               'tar_rm':[1,1,0,1] })

我是否必须迭代列的每一行中的列表？我相信大熊猫的优势之一就是广播，但我不确定这是否有可能...

Answer 1

使用：

cols = ['animal','color']
df['tar_rm'] = df[cols].isin(l).any(axis=1).astype(int)
print (df)
   animal   color  season  tar_rm
0     dog     red  spring       1
1     cat   green  summer       1
2  rabbit    blue    fall       0
3     pig  purple  winter       1

详细信息：

首先比较DataFrame.isin对DataFrame的过滤列：

print (df[cols].isin(l))
   animal  color 
0    True  False  
1   False   True  
2   False  False   
3   False   True

然后通过DataFrame.any测试每行是否至少有True：

print (df[cols].isin(l).any(axis=1))
0     True
1     True
2    False
3     True
dtype: bool

最后一个布尔值转换为整数：

print (df[cols].isin(l).any(axis=1).astype(int))
0    1
1    1
2    0
3    1
dtype: int32

如果性能很重要，请分别isin比较每一列，将其转换为numpy数组，按位或进行链接，最后转换为整数：

df['tar_rm'] = (df['animal'].isin(l).values | df['color'].isin(l).values).astype(int)

性能：取决于丝束数量，匹配的行数和列表值的数量，因此最好在真实数据中进行测试：

l = ['dog','green','purple']

df = pd.concat([df] * 100000, ignore_index=True).sample(1)
In [173]: %timeit df['tar_rm'] = df[['animal','color']].isin(l).any(axis=1).astype(int)
2.11 ms ± 250 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [174]: %timeit df['tar_rm'] = (df['animal'].isin(l).values | df['color'].isin(l).values).astype(int)
487 µs ± 9.87 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [175]: %timeit df['tar_rm'] = np.where(df['animal'].isin(l) | df['color'].isin(l), 1, 0)
805 µs ± 15.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Answer 2

使用numpy

df['tar_rm'] = np.where(df['animal'].isin(l) | df['color'].isin(l), 1, 0)

输出

   animal   color   season  tar_rm
0     dog     red  spring,       1
1     cat   green   summer       1
2  rabbit    blue     fall       0
3     pig  purple   winter       1

如何在数据框的列中迭代列表项

2 个答案: