python - 应用 vs 嵌套 for 循环

Question

我正在尝试在 python 中构建一个数据框，其中填充了 1 和 0，具体取决于一列中的数字:

Date        Hour
2005-01-01  1
2005-01-01  2
2005-01-01  3
2005-01-01  4

我想根据“小时”中的数字创建新列，如果该行等于“小时”中的值，则用 1 填充每一列，否则用 0 填充。

Date        Hour HE1 HE2 HE3 HE4
2005-01-01  1    1   0   0   0
2005-01-01  2    0   1   0   0
2005-01-01  3    0   0   1   0
2005-01-01  4    0   0   0   1

我可以用这段代码来做，但是需要很长时间:

for x in range(1,5):
    _HE = 'HE' + str(x)
    for i in load.index:
        load.at[i, _HE] = 1 if load.at[i,'Hour']==x else 0

我觉得这是一个很棒的 .apply() 应用程序(没有双关语意)，但我无法让它正常工作。

您将如何加快速度？

Answer 1

在 pandas 中不推荐使用循环，因为如果存在一些向量化的解决方案会很慢。

注意:在函数 apply 中也是引擎盖下的循环。

所以使用pandas.get_dummies和 DataFrame.add_prefix和 join用于添加到原始 df:

df = df.join(pd.get_dummies(df['Hour'].astype(str)).add_prefix('HE'))
print (df)
         Date  Hour  HE1  HE2  HE3  HE4
0  2005-01-01     1    1    0    0    0
1  2005-01-01     2    0    1    0    0
2  2005-01-01     3    0    0    1    0
3  2005-01-01     4    0    0    0    1

相似的功能有不同的表现:

df = pd.concat([df] * 1000, ignore_index=True)

In [62]: %timeit df.join(pd.get_dummies(df['Hour'].astype(str)).add_prefix('HE'))
3.54 ms ± 277 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#U9-Forward solution
In [63]: %timeit df.join(df['Hour'].astype(str).str.get_dummies().add_prefix('HE'))
61.6 ms ± 297 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)