python - 在 Pandas 中循环使用的替代方法-6ren

python - 在 Pandas 中循环使用的替代方法

转载作者：太空宇宙更新时间：2023-11-03 20:11:16

26

4

我有两个数据帧，一个是80,000行长，37列宽（dfa），另一个是90行长（dfb）。我需要在dfb中筛选出与dfa中的一行相匹配的值的90个行值，然后将dfb中的值附加到dfa中的索引。

但是，dfa中有10列需要进行比较，而我当前的代码正在运行，但速度非常慢。

我曾尝试对数据进行矢量化处理，但是我遇到了同样的速度问题，并且我也不知道如何在这种情况下使用apply函数，因此我一直在使用.iterrows（）。我曾考虑过尝试并行计算，但是我想尝试实现那将是另一场噩梦。

我愿意就如何尝试加快此代码的速度提出任何建议

def add_scale():
x = 1
for i in dfa.iterrows():
    for f in dfb.iterrows():
        if i[1][2] == f[1][0]:
            dfa.iloc[x, 27] = f[1][8]

        if i[1][4] == f[1][0]:
            dfa.iloc[x, 28] = f[1][8]

        if i[1][6] == f[1][0]:
            dfa.iloc[x, 29] = f[1][8]

        if i[1][8] == f[1][0]:
            dfa.iloc[x, 30] = f[1][8]

        if i[1][10] == f[1][0]:
            dfa.iloc[x, 31] = f[1][8]

        if i[1][12] == f[1][0]:
            dfa.iloc[x, 32] = f[1][8]

        if i[1][14] == f[1][0]:
            dfa.iloc[x, 33] = f[1][8]

        if i[1][16] == f[1][0]:
            dfa.iloc[x, 34] = f[1][8]

        if i[1][18] == f[1][0]:
            dfa.iloc[x, 35] = f[1][8]

        if i[1][20] == f[1][0]:
            dfa.iloc[x, 36] = f[1][8]
    x += 1
    print(x)

dfa的负责人。

   id
  2d11489f-919c-436d-8e7d-e25df44d9dfb   
  a747fe55-7bb0-4877-b080-9a3f89855c02   
  9688cb3c-57a0-4e23-b10b-c674e346cce5   
  a042f8e6-d433-4229-8b6b-304a1c14df98   
  fe4918d7-6e23-4605-8158-e5a89afc0614   

                             item_1  quantity_1  \
  c2f332de-1cdb-43ce-9cb1-f61a06e51d65           1   
  6ebaafde-8652-4fb8-bea2-a08d661bd56b           1   
  063b51ab-a8b8-4714-8adc-992d507fd222           2   
  b6ab20b1-be59-4592-9447-d12fc7a4f405           1   
  9bdd10b9-2356-494c-958f-04a35514178e           1   
                             item_2  quantity_2  \
  1f672f37-50d9-40ff-a063-122bdcd7da2a         1.0   
  16c36c7a-a6b0-4aca-9f6e-a178074dc15e         1.0   
  e2341b46-b323-4b41-9865-cbf1625ee810         3.0   
  c34eab5c-1772-422c-8773-e00c10b10b1c         1.0   
  4e720d54-fbb0-4c9d-bb99-dc2b17004bf2         1.0   
                             item_3  quantity_3  \
                                   NaN         NaN   
  33671e62-f1d4-4284-b08b-1e4813b9cb4c         3.0   
  2192e8c2-c66f-4650-9f6e-b5b12a2e8587         1.0   
  60fddb6f-c6a3-41e1-90ed-febdd13ffbdf         1.0   
  9493337b-8843-40fe-b97f-4cca3b687ebc         2.0   

                             item_4  quantity_4  \
                                   NaN         NaN   
  e2341b46-b323-4b41-9865-cbf1625ee810         2.0   
  b6ab20b1-be59-4592-9447-d12fc7a4f405         1.0   
                                   NaN         NaN   
  b6ab20b1-be59-4592-9447-d12fc7a4f405         3.0   
                             item_5  quantity_5  \
                                   NaN         NaN   
  257db03b-3711-4e98-9b8f-68890d433a18         1.0   
  7d2fc54e-c92e-47e4-830e-c434cdd70ffc         1.0   
                                   NaN         NaN   
                                   NaN         NaN   

                             item_6  quantity_6  \
                                   NaN         NaN   
  9493337b-8843-40fe-b97f-4cca3b687ebc         3.0   
  c34eab5c-1772-422c-8773-e00c10b10b1c         2.0   
                                   NaN         NaN   
                                   NaN         NaN   
                             item_7  quantity_7  \
                                   NaN         NaN   
  3b10f6f0-6412-4366-bd8d-483c88368511         1.0   
  d9962506-1685-4502-b3f1-4c885eeb5457         1.0   
                                   NaN         NaN   
                                   NaN         NaN   

                             item_8  quantity_8  \
                                   NaN         NaN   
  75929f5e-f3fb-42b1-9e71-0aed7f8e5066         3.0   
  1f7b73b1-c995-46cf-9781-ed1bcc336345         1.0   
                                   NaN         NaN   
                                   NaN         NaN   

                             item_9  quantity_9  \
                                   NaN         NaN   
  819069be-ef26-4670-aa2c-321c53ed6c94         1.0   
  a708ab2d-b79e-4577-80fb-a30fa155445f         1.0   
                                   NaN         NaN   
                                   NaN         NaN   
                            item_10  quantity_10          datetime  \
                                   NaN          NaN  2019-09-03 10:56   
                                   NaN          NaN  2019-09-04 21:59   
  1a747199-994e-4e82-a8ea-1fbc1029256c          1.0  2019-09-04 12:50   
                                   NaN          NaN  2019-09-05 20:48   
                                   NaN          NaN  2019-09-05 14:06   

   food_prep_time_minutes  minutes.inday  days  item_val  it1  it2  it3  it4      \
                      13             23     2         2  NaN  NaN  NaN  NaN   
                      38             45     3         9  NaN  NaN  NaN  NaN   
                      24             27     3         0  NaN  NaN  NaN  NaN   
                      14             43     4         3  NaN  NaN  NaN  NaN   
                      25             29     4         4  NaN  NaN  NaN  NaN   

   it5  it6  it7  it8  it9  it10  
  NaN  NaN  NaN  NaN  NaN   NaN  
  NaN  NaN  NaN  NaN  NaN   NaN  
  NaN  NaN  NaN  NaN  NaN   NaN  
  NaN  NaN  NaN  NaN  NaN   NaN  
  NaN  NaN  NaN  NaN  NaN   NaN

dfb的头，未使用的列已删除

                         item_id              scale
  0  5445da62-e213-4f71-b2b0-8b6073647102       3   
  1  16c36c7a-a6b0-4aca-9f6e-a178074dc15e       1
  2  a708ab2d-b79e-4577-80fb-a30fa155445f       1       
  3  024f545f-a8af-4244-8c9e-da2b92633d59       2       
  4  8e3e855c-918c-4761-b2d6-0f4aae1c5e0d       3

最佳答案

如果可以的话，请提供dfa和dfb的样本数据，我相信有一种更简单的方法。

def add_scale(dfa,dfb):
    x = 1
    for i in dfa.iterrows():
        for f in dfb.iterrows():
            if i[1][2] == f[1][0]:
                dfa.iloc[x, 27] = f[1][8]
            if i[1][4] == f[1][0]:
                dfa.iloc[x, 28] = f[1][8]
            if i[1][6] == f[1][0]:
                dfa.iloc[x, 29] = f[1][8]
            if i[1][8] == f[1][0]:
                dfa.iloc[x, 30] = f[1][8]
            if i[1][10] == f[1][0]:
                dfa.iloc[x, 31] = f[1][8]
            if i[1][12] == f[1][0]:
                dfa.iloc[x, 32] = f[1][8]
            if i[1][14] == f[1][0]:
                dfa.iloc[x, 33] = f[1][8]
            if i[1][16] == f[1][0]:
                dfa.iloc[x, 34] = f[1][8]
            if i[1][18] == f[1][0]:
                dfa.iloc[x, 35] = f[1][8]
            if i[1][20] == f[1][0]:
                dfa.iloc[x, 36] = f[1][8]
        x += 1
        print(x)

关于python - 在 Pandas 中循环使用的替代方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/58703791/

26

4

0

文章推荐： matlab - 从 contourf 图中删除线条

文章推荐： c# - 将枚举的多个副本添加到列表的惯用方法

文章推荐： HTML/CSS 文本对齐不起作用

文章推荐： arrays - 使用 arrayfun 在 Matlab 中更快地进行 for 循环？

Ruby 方法() 方法
我想了解 Ruby 方法 methods() 是如何工作的。我尝试使用“ruby 方法”在 Google 上搜索，但这不是我需要的。我也看过 ruby-doc.org，但我没有找到这种方法。
VBS教程：方法-Test 方法
Test 方法对指定的字符串执行一个正则表达式搜索，并返回一个 Boolean 值指示是否找到匹配的模式。 object.Test(string) 参数 object 必选项。总是一个
VBS教程：方法-Replace 方法
Replace 方法替换在正则表达式查找中找到的文本。 object.Replace(string1, string2) 参数 object 必选项。总是一个 RegExp 对象的名称。
VBS教程：方法-Raise 方法
Raise 方法生成运行时错误 object.Raise(number, source, description, helpfile, helpcontext) 参数 object 应为
VBS教程：方法-Execute 方法
Execute 方法对指定的字符串执行正则表达式搜索。 object.Execute(string) 参数 object 必选项。总是一个 RegExp 对象的名称。 string
VBS教程：方法-Clear 方法
Clear 方法清除 Err 对象的所有属性设置。 object.Clear object 应为 Err 对象的名称。说明在错误处理后，使用 Clear 显式地清除 Err 对象。此
VBS教程：方法-CopyFile 方法
CopyFile 方法将一个或多个文件从某位置复制到另一位置。 object.CopyFile source, destination[, overwrite] 参数 object 必选
VBS教程：方法-Copy 方法
Copy 方法将指定的文件或文件夹从某位置复制到另一位置。 object.Copy destination[, overwrite] 参数 object 必选项。应为 File 或 F
VBS教程：方法-Close 方法
Close 方法关闭打开的 TextStream 文件。 object.Close object 应为 TextStream 对象的名称。说明下面例子举例说明如何使用 Close 方
VBS教程：方法-BuildPath 方法
BuildPath 方法向现有路径后添加名称。 object.BuildPath(path, name) 参数 object 必选项。应为 FileSystemObject 对象的名称
VBS教程：方法-GetFolder 方法
GetFolder 方法返回与指定的路径中某文件夹相应的 Folder 对象。 object.GetFolder(folderspec) 参数 object 必选项。应为 FileSy
VBS教程：方法-GetFileName 方法
GetFileName 方法返回指定路径（不是指定驱动器路径部分）的最后一个文件或文件夹。 object.GetFileName(pathspec) 参数 object 必选项。应为
VBS教程：方法-GetFile 方法
GetFile 方法返回与指定路径中某文件相应的 File 对象。 object.GetFile(filespec) 参数 object 必选项。应为 FileSystemObject
VBS教程：方法-GetExtensionName 方法
GetExtensionName 方法返回字符串，该字符串包含路径最后一个组成部分的扩展名。 object.GetExtensionName(path) 参数 object 必选项。应
VBS教程：方法-GetDriveName 方法
GetDriveName 方法返回包含指定路径中驱动器名的字符串。 object.GetDriveName(path) 参数 object 必选项。应为 FileSystemObjec
VBS教程：方法-GetDrive 方法
GetDrive 方法返回与指定的路径中驱动器相对应的 Drive 对象。 object.GetDrive drivespec 参数 object 必选项。应为 FileSystemO
VBS教程：方法-GetBaseName 方法
GetBaseName 方法返回字符串，其中包含文件的基本名 (不带扩展名), 或者提供的路径说明中的文件夹。 object.GetBaseName(path) 参数 object 必
VBS教程：方法-GetAbsolutePathName 方法
GetAbsolutePathName 方法从提供的指定路径中返回完整且含义明确的路径。 object.GetAbsolutePathName(pathspec) 参数 object
VBS教程：方法-FolderExists 方法
FolderExists 方法如果指定的文件夹存在，则返回 True；否则返回 False。 object.FolderExists(folderspec) 参数 object 必选项
VBS教程：方法-FileExists 方法
FileExists 方法如果指定的文件存在返回 True；否则返回 False。 object.FileExists(filespec) 参数 object 必选项。应为 FileS

首页

博学

6Ren·AI

商城

python - 在 Pandas 中循环使用的替代方法