python - 在 pandas Dataframe 中查找倒数行

Question

我有这个数据框，并且只需要保留那些具有 2 列倒数值的行(此处为 numA 和 numB)。

gpm = pd.DataFrame(data={
    'id':[1,2,3,4,5,6,7,8,9],
    'time':[150315,150315,150315,150315,150315,150315,150315,150315,150315],
    'numA':['A','D','C','B','A','C','A','E','D'],
    'numB':['B','C','B','A','B','D','B','A','A'],
    'antA':['MSPDV','VIELU','RMPC1','MJCIH','PALT2','M2PV3','MACIF','MACIF','VIELU'],
    'antB':['BPDV8','0GRI3','SSFDJ','SSFDJ','SSFDJ','CCPG1','0GRI3','SSFDJ','SSFDJ']
    })

我只想要其中 numA 列和 numB 列互为倒数的行。也就是说，保留出现 (A,B)、(B,A) 和 (C,D)、(D,C) 对的所有行。

目前，我的解决方案包括制作所有唯一标识符的列表，并遍历每一行以查找实际合作伙伴是否在合作伙伴列表中

它非常慢......(也许是不正确的!)

## here's my code
parties = {}
nums = gpm['numA']+gpm['numB']
for i in nums.unique():
    parties[i] = gpm['numB'][gpm['numA'] == i]
    parties[i] = gpm['numA'][gpm['numB'] == i]

new_d = gpm.iloc[[0]]
for i in np.arange(1,gpm.shape[0]):
    numa = gpm.iloc[i]['numA']
    if gpm.iloc[i]['numB'] in parties[numa]:
        new_d.append(gpm.iloc[[i]])

任何精明的编码员可以帮助加快速度吗？实际要解析的文件是大约 15GB 的 csv。

谢谢

Answer 1

在您的示例中，我假设 id=3、8 和 9 的行(C，B)、(E，A)和(D，A)是不需要的？如果是这样，可以通过比较 numA 和 numB 中的值来选择可接受的特定组合，这是一种标准方法:

In [5]: gpm[((gpm['numA'] == 'A') & (gpm['numB'] == 'B')) |
   ...:     ((gpm['numA'] == 'B') & (gpm['numB'] == 'A')) |
   ...:     ((gpm['numA'] == 'C') & (gpm['numB'] == 'D')) | 
   ...:     ((gpm['numA'] == 'D') & (gpm['numB'] == 'C'))
   ...: ]
Out[5]:
   id    time numA numB   antA   antB
0   1  150315    A    B  MSPDV  BPDV8
1   2  150315    D    C  VIELU  0GRI3
3   4  150315    B    A  MJCIH  SSFDJ
4   5  150315    A    B  PALT2  SSFDJ
5   6  150315    C    D  M2PV3  CCPG1
6   7  150315    A    B  MACIF  0GRI3

(将结果分配给new_d)