- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我对大数据框有问题*大约 1kk 行,180 列。它从 3 列开始。第一列包含 id。第二行和第三行包含每行中的列表 - 它们是连接的(第一行 - 第一列列表中的第一个元素与第二列列表中的第一个元素连接:
ids | fruits | count |
1 | [grape, apple, banana] | [7.0, 4.0, 3.0]
2 | [mango, banana, strawberry, grape] | [5.0, 8.0, 15.0, 2.0]
3 | [apple, avocado] | [9.0, 1.0]
4 | NaN | NaN
5 | [pummelo] | [12.0]
我想使用“fruits”列中的列表元素作为新列的名称,该新列的值将分配给行和水果。但没有重复的列,如下所示:
ids | grape | apple | banana | mango | strawberry | avocado | pummelo
1 | 7.0 | 4.0 | 3.0 | NaN | NaN | NaN | NaN
2 | 2.0 | NaN | 8.0 | 5.0 | 15.0 | NaN | NaN
3 | NaN | 9.0 | NaN | NaN | NaN | 1.0 | NaN
4 | NaN | NaN | NaN | NaN | NaN | NaN | NaN
5 | NaN | NaN | NaN | NaN | NaN | NaN | 12.0
集合(所有列表的非重复总和)“水果”中唯一元素的计数为 180,这就是为什么最后我想要 180 列。
问题是速度。我尝试过 pandas iterrows(),但是当涉及到所有 1kk 行时,这就变成了永无休止的故事。下面是我尝试过的代码。
#making an example dataframe
import numpy as np
fruit_df = pd. DataFrame(columns=['ids','fruits','count'])
ids = [1,2,3,4,5]
fruits = [['grape', 'apple', 'banana'], ['mango', 'banana', 'strawberry', 'grape'], ['apple', 'avocado'], np.nan, ['pummelo']]
count = [[7.0, 4.0, 3.0],[5.0, 8.0, 15.0, 2.0], [9.0, 1.0], np.nan, [12.0]]
#creating fruits columns in dataframe - this one timing is ok , fine for me (about 15 mins)
fruits_columns=[]
for row in fruit_df['fruits']:
if type(row)==list:
fruits_columns.append(row)
else:
fruits_columns.append(list())
import itertools
all_fruits = list(itertools.chain(*fruits_columns))
all_fruits = set(all_fruits)
for fruit in all_fruits:
fruit_df[fruit]=np.nan
#iterating over the data - here is main problem - takes very, very long time.. works well for this tiny dataset but when it comes to 1000000 rows and 180 columns...
def iter_over_rows(data):
for index, row in data.iterrows():
if type(row['fruits'])!=float:
for cat in range(len(row['fruits'])):
data[row['fruits'][cat]][index] = row['count'][cat]
我想加快数据处理速度。考虑过用所有 180 个水果作为键来制作字典,并将它们算作值 - 但最终顺序会被损坏。如果您知道如何更快地做到这一点,那就太好了。干杯!
最佳答案
这将执行您想要的所有操作,但会删除 ids 4
,因为它们仅包含 NA
值。
设置是相同的:
fruit_df = pd. DataFrame(columns=['ids','fruits','count'])
ids = [1,2,3,4,5]
fruits = [['grape', 'apple', 'banana'], ['mango', 'banana', 'strawberry', 'grape'], ['apple', 'avocado'], np.nan, ['\
pummelo']]
count = [[7.0, 4.0, 3.0],[5.0, 8.0, 15.0, 2.0], [9.0, 1.0], np.nan, [12.0]]
fruit_df['ids'] = ids
fruit_df['fruits'] = fruits
fruit_df['count'] = count
我们希望将包含列表的行转换为堆叠系列(这基本上只是将列表扩展到新行,同时保留行的 ID:
fruit_df.set_index(['ids'], inplace=True)
fruit_series = fruit_df.apply(lambda x: pd.Series(x['fruits']), axis=1).stack()
count_series = fruit_df.apply(lambda x: pd.Series(x['count']), axis=1).stack()
final_df = pd.DataFrame()
final_df['Fruits'] = fruit_series
final_df['Counts'] = count_series
print(final_df)
所以我们看到 Final_df 看起来像:
Fruits Counts
ids
1 0 grape 7.0
1 apple 4.0
2 banana 3.0
2 0 mango 5.0
1 banana 8.0
2 strawberry 15.0
3 grape 2.0
3 0 apple 9.0
1 avocado 1.0
5 0 pummelo 12.0
好吧,现在我们已经扩展了列表行以匹配它们的 id,但是我们现在看到了这个 multi_index df,这是我们不想要的,所以我们将删除它,然后将我们的表旋转为 id 索引,并获得结果栏目:
final_df = final_df.reset_index().drop('level_1', axis=1)
final_df = final_df.pivot(index='ids', columns = 'Fruits', values = 'Counts')
print(final_df)
返回:
Fruits apple avocado banana grape mango pummelo strawberry
ids
1 4.0 NaN 3.0 7.0 NaN NaN NaN
2 NaN NaN 8.0 2.0 5.0 NaN 15.0
3 9.0 1.0 NaN NaN NaN NaN NaN
5 NaN NaN NaN NaN NaN 12.0 NaN
非常接近,我希望这对您有用!整个代码组合起来:
import pandas as pd
import numpy as np
fruit_df = pd. DataFrame(columns=['ids','fruits','count'])
ids = [1,2,3,4,5]
fruits = [['grape', 'apple', 'banana'], ['mango', 'banana', 'strawberry', 'grape'], ['apple', 'avocado'], np.nan, ['\
pummelo']]
count = [[7.0, 4.0, 3.0],[5.0, 8.0, 15.0, 2.0], [9.0, 1.0], np.nan, [12.0]]
fruit_df['ids'] = ids
fruit_df['fruits'] = fruits
fruit_df['count'] = count
fruit_df.set_index(['ids'], inplace=True)
fruit_series = fruit_df.apply(lambda x: pd.Series(x['fruits']), axis=1).stack()
count_series = fruit_df.apply(lambda x: pd.Series(x['count']), axis=1).stack()
final_df = pd.DataFrame()
final_df['Fruits'] = fruit_series
final_df['Counts'] = count_series
final_df = final_df.reset_index().drop('level_1', axis=1)
final_df = final_df.pivot(index='ids', columns = 'Fruits', values = 'Counts')
print(final_df)
关于python - 如何使用 pandas 现有列之一中的列表创建新列,并从另一列的列表中分配值?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55424336/
我想知道有没有可能做 new PrintWriter(new BufferedWriter(new PrintWriter(s.getOutputStream, true))) 在 Java 中,s
我正在尝试使用 ConcurrentHashMap 初始化 ConcurrentHashMap private final ConcurrentHashMap > myMulitiConcurrent
我只是想知道两个不同的新对象初始化器之间是否有任何区别,还是仅仅是语法糖。 因此: Dim _StreamReader as New Streamreader(mystream) 与以下内容不同: D
在 C++ 中,以下两种动态对象创建之间的确切区别是什么: A* pA = new A; A* pA = new A(); 我做了一些测试,但似乎在这两种情况下,都调用了默认构造函数,并且只调用了它。
我已经阅读了其他帖子,但它们没有解决我的问题。环境为VB 2008(2.0 Framework)下面的代码在 xslt.Load 行导致 XSLT 编译错误下面是错误的输出。我将 XSLT 作为字符串
我想知道为什么alert(new Boolean(false))打印 false 而不是打印对象,因为 new Boolean 应该返回对象。如果我使用 console.log(new Boolean
本文实例讲述了Python装饰器用法。分享给大家供大家参考,具体如下: 写装饰器 装饰器只不过是一种函数,接收被装饰的可调用对象作为它的唯一参数,然后返回一个可调用对象(就像前面的简单例子) 注
我可以编写 YAML header 来使用 knit 为 R Markdown 文件生成多种输出格式吗?我无法重现 the original question with this title 的答案中
我可以编写一个YAML标头以使用knitr为R Markdown文件生成多种输出格式吗?我无法重现the original question with this title答案中描述的功能。 这个降价
我正在使用vars package可视化脉冲响应。示例: library(vars) Canada % names ir % `$`(irf) %>% `[[`(variables[e])) %>%
我有一个容器类,它有一个通用参数,该参数被限制到某个基类。提供给泛型的类型是基类约束的子类。子类使用方法隐藏(新)来更改基类方法的行为(不,我不能将其设为虚拟,因为它不是我的代码)。我的问题是"new
Java 在提示! cannot find symbol symbol : constructor Bar() location: class Bar JPanel panel =
在我的应用程序中,一个新的 Activity 从触摸按钮(而不是点击)开始,而且我没有抬起手指并希望在新的 Activity 中跟踪触摸的 Action 。第二个 Activity 中的触摸监听器不响
已关闭。此问题旨在寻求有关书籍、工具、软件库等的建议。不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,
和我的last question ,我的程序无法检测到一个短语并将其与第一行以外的任何行匹配。但是,我已经解决并回答了。但现在我需要一个新的 def函数,它删除某个(给定 refName )联系人及其
这个问题在这里已经有了答案: Horizontal list items (7 个答案) 关闭 9 年前。
我想创建一个新的 float 类型,大小为 128 位,指数为 4 字节(32 位),小数为 12 字节(96 位),我该怎么做输入 C++,我将能够在其中进行输入、输出、+、-、*、/操作。 [我正
我在放置引用计数指针的实例时遇到问题 类到我的数组类中。使用调试器,似乎永远不会调用构造函数(这会扰乱引用计数并导致行中出现段错误)! 我的 push_back 函数是: void push_back
我在我们的代码库中发现了经典的新建/删除不匹配错误,如下所示: char *foo = new char[10]; // do something delete foo; // instead of
A *a = new A(); 这是创建一个指针还是一个对象? 我是一个 c++ 初学者,所以我想了解这个区别。 最佳答案 两者:您创建了一个新的 A 实例(一个对象),并创建了一个指向它的名为 a
我是一名优秀的程序员,十分优秀!