我有一个熊猫数据框,其中包含300万行和50列,均包含整数(正数或负数)。我想创建一个名为“功能”的新列,该列从50个现有列中获取最大的负数。
例如,如果对于给定的行,50列包含值
-25,-24,-23,...,-1,1,...,23,24,25
“功能”列应返回-1。
因为我的数据帧太大,所以我尝试的解决方案花费的时间太长。例如,我尝试使用列表推导,但由于使用了iterrows(),它太慢了(itertuples()的执行效果不佳):
import numpy as np
import pandas as pd
from tqdm import tqdm
df = pd.read_csv('name_of_file.csv')
for idx, row in tqdm(df[list(np.arange(0,50,1))].iterrows()):
df.loc[idx, 'feature'] = max([n for n in row if n < 0])
在这么大的数据帧中无需诉诸线程处理的最快方法是什么?
答案 0 :(得分:1)
您可以改用DataFrame.where
将0
以上的所有值设置为NaN
并按行返回max
:
df['feature'] = df.iloc[:,:50].where(df.iloc[:,:50].lt(0)).max(1)