gpt4 book ai didi

python - pandas df 中当前唯一值的计数

转载 作者:太空狗 更新时间:2023-10-29 18:33:15 26 4
gpt4 key购买 nike

我试图在 pandas df 中返回 countunique 值。它是每个 的累积计数。我的目标是合并一个函数来确定当前在任何时间点出现的值的数量。

import pandas as pd

df = pd.DataFrame({
'A' : ['8:06:00','11:00:00','11:30:00','12:00:00','13:00:00','13:30:00','14:00:00','17:00:00'],
'B' : ['ABC','ABC','DEF','XYZ','ABC','LMN','DEF','ABC'],
'C' : [1,2,1,1,3,1,2,4],
})

A B C
0 8:06:00 ABC 1
1 11:00:00 ABC 2
2 11:30:00 DEF 1
3 12:00:00 XYZ 1
4 13:00:00 ABC 3
5 13:30:00 LMN 1
6 14:00:00 DEF 2
7 17:00:00 ABC 4

因此 col['B'] 中有 4 个 unique 值。我正在测量的

df1 = df['B'].nunique()

但我希望通过合并迭代的函数,以确定是否再次出现任何特定值。如果不是,我希望计数减少。如果这是第一次出现该值,我想增加计数。如果该值已经出现并再次出现,则计数应保持不变。这将显示在任何时间点出现了多少个值。

使用@jpp 的代码,我们生成以下内容:

cum_maxer = pd.Series(pd.factorize(df['B'])[0] + 1).cummax()
df['res'] = cum_maxer - df['B'].duplicated().cumsum()

print(df)

输出:

          A    B  C  res
0 8:06:00 ABC 1 1
1 11:00:00 ABC 2 0
2 11:30:00 DEF 1 1
3 12:00:00 XYZ 1 2
4 13:00:00 ABC 3 1
5 13:30:00 LMN 1 2
6 14:00:00 DEF 2 1
7 17:00:00 ABC 4 0

'res' 的预期输出

0  1
1 1
2 2
3 3
4 2
5 3
6 2
7 1

本质上,如果 value 第一次出现,我想将它添加到 cumulative count 中。如果该值结束(稍后未出现),则计数应减少。如果值已经出现并再次出现,则计数应保持不变。

每一行的摘要和预期的输出:

第1行ABC第一次出现,之后出现。 计数 = +1

第 2 行ABC 再次出现,所以没有增加。它也出现得较晚,所以没有减少。 计数 = 无变化

第3行DEF第一次出现,后来出现。 计数 = +1

第 4 行XYZ 第一次出现但后来没有出现。不过此时,出现了 3 个值,因此 count 为 3。当 XYZ 完成

时,计数会自动下降到下一行

第 5 行,如上所述 XYZ 已完成,因此目前只有 ABCDEF 处于打开状态。 ABC 值也再次出现,因此 count 为 2

第 6 行LMN 首次出现,因此计数增加。这意味着 ABC、DEF、LMN 在该时间点是最新的。与 第 4 行 非常相似,LMN 不会再次出现,因此随着 LMN 完成,计数将在下一行减少。 计数为 3

第 7 行,DEFABC 当前处于打开状态,因此 计数为 2。由于 DEF 不再出现,计数将在下一行减少。

第 8 行,ABC 是当前唯一的值,因此 count 是 1

最佳答案

你也可以使用np.unique

u = np.unique(df.B, return_index=True)
df['id'] = df.B.map(dict(zip(*u))) + 1

0 1
1 2
2 3
3 1
4 2
5 1

编辑问题

对于您编辑过的问题,这里有一个解决方案。首先,在倒置数据框中使用 cumcount预见 future

df['u'] = df[::-1].groupby('B').B.cumcount()

u 表示对于每个 B,当前 B 在未来出现了多少次。然后,zip Bu 使用您的逻辑,使用 S_n = S_{n-1} + new_value + dec 如果当前 val 是一个新值,并且 dec,则 new_valueTrue 的标志True 如果前一行是该值的最后一次出现(即当时的 u==0)。代码会是这样的

ids = [1]
seen = set([df.iloc[0].B])
dec = False
for val, u in zip(df.B[1:], df.u[1:]):
ids.append(ids[-1] + (val not in seen) - dec)
seen.add(val)
dec = u == 0

df['S'] = ids

A B C u S expected
0 8:06:00 ABC 1 3 1 1
1 11:00:00 ABC 2 2 1 1
2 11:30:00 DEF 1 1 2 2
3 12:00:00 XYZ 1 0 3 3
4 13:00:00 ABC 3 1 2 2
5 13:30:00 LMN 1 0 3 3
6 14:00:00 DEF 2 0 2 2
7 17:00:00 ABC 4 0 1 1

在哪里

>>> (df.S == df.expected).all()
True

时间

df = pd.DataFrame({          
'A' : ['8:06:00','11:00:00','11:30:00','12:00:00','13:00:00','13:30:00','14:00:00','17:00:00'],
'B' : ['ABC','ABC','DEF','XYZ','ABC','LMN','DEF','ABC'],
'C' : [1,2,1,1,3,1,2,4],
})

def matt(df):
valsets = df['B'].apply(lambda x: {x})
union_sets = np.frompyfunc(lambda x, y: x | y, 2, 1)
intersect_count = np.frompyfunc(lambda x, y: len(x & y), 2, 1)

seen = union_sets.accumulate(valsets, dtype=np.object)
to_be_seen = union_sets.accumulate(valsets[::-1], dtype=np.object)[::-1]
df['res'] = intersect_count(seen, to_be_seen)
return df

def raf(df):
ids = [1]
seen = set([df.iloc[0].B])
dec = False
df['u'] = df[::-1].groupby('B').B.cumcount()
for val, u in zip(df.B[1:], df.u[1:]):
ids.append(ids[-1] + (val not in seen) - dec)
seen.add(val)
dec = u == 0

df['S'] = ids
return df

df = pd.concat([df]*10000).reset_index()

结果

%timeit matt(df)
168 ms ± 12.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit raf(df)
64.2 ms ± 2.04 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

关于python - pandas df 中当前唯一值的计数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51778723/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com