python - "Reduce"系列功能

Question

Pandas 系列有 reduce 的类比吗？

例如，map 的类比是 pd.Series.apply ，但我找不到 reduce 的任何模拟。

---

我的应用是，我有一个 pandas 系列的列表:

>>> business["categories"].head()

0                      ['Doctors', 'Health & Medical']
1                                        ['Nightlife']
2                 ['Active Life', 'Mini Golf', 'Golf']
3    ['Shopping', 'Home Services', 'Internet Servic...
4    ['Bars', 'American (New)', 'Nightlife', 'Loung...
Name: categories, dtype: object

我想使用 reduce 将一系列列表合并在一起，如下所示:

categories = reduce(lambda l1, l2: l1 + l2, categories)

但这需要一个可怕的时间，因为在 Python 中将两个列表合并在一起是 O(n) 时间。我希望 pd.Series 有一种矢量化的方式来更快地执行此操作。

Answer 1

在值上使用 itertools.chain()

这可能会更快:

from itertools import chain
categories = list(chain.from_iterable(categories.values))

性能

from functools import reduce
from itertools import chain

categories = pd.Series([['a', 'b'], ['c', 'd', 'e']] * 1000)

%timeit list(chain.from_iterable(categories.values))
1000 loops, best of 3: 231 µs per loop

%timeit list(chain(*categories.values.flat))
1000 loops, best of 3: 237 µs per loop

%timeit reduce(lambda l1, l2: l1 + l2, categories)
100 loops, best of 3: 15.8 ms per loop

对于这个数据集，chaining 大约快 68 倍。

矢量化？

当您拥有原生 NumPy 数据类型时，向量化就可以工作(毕竟 pandas 使用 NumPy 作为其数据)。由于我们已经在 Series 中有列表并且想要一个列表作为结果，因此矢量化不太可能加快速度。标准 Python 对象和 pandas/NumPy 数据类型之间的转换可能会耗尽您从矢量化中获得的所有性能。我尝试在另一个答案中对算法进行矢量化。