python - 循环字典以创建新 Pandas 列的最快 pythonic 方法

Question

我有一个字典“c”，其中包含 30000 个键和大约 600000 个唯一 值(每个键大约有 20 个唯一 值)

我想创建一个新的 pandas 系列“'DOC_PORTL_ID'”以从“'image_keys'”列的每一行获取样本值，然后在我的字典中查找它的键并返回。所以我写了一个这样的函数:

def find_match(row, c):
    for key, val in c.items():
        for item in val:
            if item == row['image_keys']:
                return key

然后我使用 .apply 创建我的新专栏，例如:

df_image_keys['DOC_PORTL_ID'] = df_image_keys.apply(lambda x: find_match(x, c), axis =1)

这需要很长时间。我想知道我是否可以改进我的代码片段以使其更快。

我在谷歌上搜索了很多，但没能找到最好的方法。任何帮助将不胜感激。

Answer 1

您正在使用字典作为反向查找。坦率地说，你没有给我们足够的关于字典的信息。这 600,000 个值是否唯一？如果没有，您只会返回找到的第一个。这是预期的吗？

---

假设它们是唯一的

reverse_dict = {val: key for key, values in c.items() for val in values}

df_image_keys['DOC_PORTL_ID'] = df_image_keys['image_keys'].map(reverse_dict)

---

这与您自己所做的一样好。如果这些值不是唯一的，则您必须更好地解释您期望发生的情况。