Question

我有一个看起来像这样的数据框：

df = pd.DataFrame({'group':[1,1,1,1,1,2,2,2,2,3,3,4,4],
                  'x':[np.nan,np.nan,3,np.nan,2,np.nan,3,3,4,2,1,1,3],
                  'y':[np.nan,np.nan,2,np.nan,1,np.nan,1,1,5,1,5,1,1]})


group   x   y
  1    nan  nan
  1    nan  nan 
  1    3.0  2.0
  1    nan  nan 
  1    2.0  1.0
  2    nan  nan 
  2    3.0  1.0
  2    3.0  1.0
  2    4.0  5.0
  3    2.0  1.0
  3    1.0  5.0
  4    1.0  1.0
  4    3.0  1.0

基本上，可以说我有4个组，每个组包含具有x，y坐标的点。点可以具有相同的坐标。例如，（3,1）在组2和组4中存在（两次）。此外，如果x为nan，则y也应为nan

我想为每对（x，y）分配相对于元组排序列表的对应位置。如果x=y=nan，则应返回零。因此，输出应为：

group    x    y   label_global
  1     nan  nan       0
  1     nan  nan       0
  1     3.0  2.0       5
  1     nan  nan       0
  1     2.0  1.0       3
  2     nan  nan       0
  2     3.0  1.0       4
  2     3.0  1.0       4
  2     4.0  5.0       6
  3     2.0  1.0       3
  3     1.0  5.0       2
  4     1.0  1.0       1
  4     3.0  1.0       4

我要做的是以下事情：

centroids = sorted(set([x for x in zip(df.dropna().x.values, df.dropna().y.values)]))
df['label_global'] = [centroids.index(d) + 1 if d[1]==d[1] else 0 for d in zip(df.x.values, df.y.values)]

请问有更好的方法吗？我的数据框长约200万行，完成任务大约需要3分钟

作为旁注：在最后一个列表理解中，表达式if d[1]==d[1] else的意思是用nan过滤出元组，因为np.nan==np.nan的值为False。我最初尝试使用if np.nan not in d else，即：

df['label_global'] = [centroids.index(d) + 1 if np.nan not in d else 0 for d in zip(df.x.values, df.y.values)]

但这不起作用，我也不知道为什么。返回值错误：

ValueError: (nan, nan) is not in list

对我来说，表明if else循环无效。任何见解都非常欢迎。

我发现

也有点奇怪

(np.nan, np.nan)==(np.nan, np.nan)返回True

甚至

(np.nan,)==(np.nan,)返回True

但是

np.nan==np.nan返回False

Answer 1

按x，y对排序，先设置nan，然后使用累加来设置组号

df['label_global'] = df.sort_values(['x','y'], na_position='first') \ 
                     [['x','y']].fillna(0).diff().ne([0,0]).any(1).cumsum()-1

   group    x    y  label_global
0       1  NaN  NaN             0
1       1  NaN  NaN             0
2       1  3.0  2.0             5
3       1  NaN  NaN             0
4       1  2.0  1.0             3
5       2  NaN  NaN             0
6       2  3.0  1.0             4
7       2  3.0  1.0             4
8       2  4.0  5.0             6
9       3  2.0  1.0             3
10      3  1.0  5.0             2
11      4  1.0  1.0             1
12      4  3.0  1.0             4

如何为数组列中的每个元素分配其顺序位置？

1 个答案: