python - Pandas DataFrame 根据列改变一个值，索引值比较

Question

假设您有一个 pandas DataFrame，它在正文中有某种数据，在 column 和 index 中有 numbers 名字。

>>> data=np.array([['a', 'b', 'c'], ['d', 'e', 'f'], ['g', 'h', 'i']])
>>> columns = [2, 4, 8]
>>> index = [10, 4, 2]
>>> df = pd.DataFrame(data, columns=columns, index=index)
>>> df
    2  4  8
10  a  b  c
4   d  e  f
2   g  h  i

现在假设我们要基于比较索引和列以某种方式操作数据框。请考虑以下事项。

Where index is greater than column replace letter with 'k':

    2  4  8
10  k  k  k
4   k  e  f
2   g  h  i

Where index is equal to column replace letter with 'U':

    2  4  8
10  k  k  k
4   k  U  f
2   U  h  i

Where column is greater than index replace letter with 'Y':

    2  4  8
10  k  k  k
4   k  U  Y
2   U  Y  Y

为了让问题对所有人有用:

• 进行这种替换的快速方法是什么？

• 执行此替换的最简单方法是什么？

最小示例的速度结果

• jezrael:每次循环 556 µs ± 66.1 µs(7 次运行的平均值 ± 标准偏差，每次 1000 次循环)

• user3471881:每个循环 329 µs ± 11.4 µs(7 次运行的平均值 ± 标准偏差，每次 1000 次循环)

• thunderwood:每次循环 4.65 毫秒 ± 252 µs(7 次运行的平均值 ± 标准偏差，每次 100 次循环)

---

这是重复的吗？我在 google 中搜索了 pandas replace compare index column，最上面的结果是:

Pandas - Compare two dataframes and replace values matching condition

Python pandas: replace values based on location not index value

Pandas DataFrame: replace all values in a column, based on condition

但是，我觉得这些都没有涉及这 a) 可能还是 b) 如何以这种方式进行比较

Answer 1

我想你需要numpy.select带广播:

m1 = df.index.values[:, None] > df.columns.values
m2 = df.index.values[:, None] == df.columns.values


df = pd.DataFrame(np.select([m1, m2], ['k','U'], 'Y'), columns=df.columns, index=df.index)
print (df)
    2  4  8
10  k  k  k
4   k  U  Y
2   U  Y  Y

性能:

np.random.seed(1000)

N = 1000
a = np.random.randint(100, size=N)
b = np.random.randint(100, size=N)

df = pd.DataFrame(np.random.choice(list('abcdefgh'), size=(N, N)), columns=a, index=b)
#print (df)

def us(df):
    values = np.array(np.array([df.index]).transpose() - np.array([df.columns]), dtype='object')
    greater = values > 0
    less = values < 0
    same = values == 0

    values[greater] = 'k'
    values[less] = 'Y'
    values[same] = 'U'


    return pd.DataFrame(values, columns=df.columns, index=df.index)

def jez(df):

    m1 = df.index.values[:, None] > df.columns.values
    m2 = df.index.values[:, None] == df.columns.values
    return pd.DataFrame(np.select([m1, m2], ['k','U'], 'Y'), columns=df.columns, index=df.index)

---

In [236]: %timeit us(df)
107 ms ± 358 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [237]: %timeit jez(df)
64 ms ± 299 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)