我有一个类似于以下内容的 DataFrame:
x y z
--------------
0 A 10
0 D 13
1 X 20
...
我为 x 和 y 的每个可能值准备了两个排序数组:
x_values = [0, 1, ...]
y_values = ['a', ..., 'A', ..., 'D', ..., 'X', ...]
所以我写了一个函数:
def lookup(record, lookup_list, lookup_attr):
return np.searchsorted(lookup_list, getattr(record, lookup_attr))
然后调用:
df_x_indicies = df.apply(lambda r: lookup(r, x_values, 'x')
df_y_indicies = df.apply(lambda r: lookup(r, y_values, 'y')
# df_x_indicies: [0, 0, 1, ...]
# df_y_indicies: [26, ...]
但是有没有更高效的方法来做到这一点？并可能一次获得多个列以获取返回的 DataFrame 而不是一系列？
我试过:
np.where(np.in1d(x_values, df.x))[0]
但这会删除重复值，这是不希望的。
请您参考如下方法:
您可以将索引数组转换为 pd.Index 对象以加快(呃)查找速度。
u, v = map(pd.Index, [x_values, y_values])
pd.DataFrame({'x': u.get_indexer(df.x), 'y': v.get_indexer(df.y)})
x y
0 0 1
1 0 2
2 1 3
在哪里，
x_values
# [0, 1]
y_values
# ['a', 'A', 'D', 'X']
至于让这项工作适用于多列的要求，您将不得不遍历每一列。这是上面代码的一个版本，它应该推广到 N 列和索引。
val_list = [x_values, y_values] # [x_values, y_values, z_values, ...]
idx_list = map(pd.Index, val_list)
pd.DataFrame({
f'{c}': idx.get_indexer(df[c]) for idx, c in zip(idx_list, df)})
x y
0 0 1
1 0 2
2 1 3
