- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个数据框如下:
import pandas as pd
import numpy as np
df = pd.DataFrame.from_dict(
{'id': {(1, 0, 'obj11'): '3',
(1, 0, 'obj12'): '9',
(1, 0, 'obj13'): '5',
(1, 0, 'obj14'): '4',
(1, 0, 'obj15'): '23',
(1, 0, 'obj16'): '52',
(1, 0, 'obj17'): '22',
(1, 0, 'obj18'): '13',
(1, 0, 'obj19'): '8',
(1, 0, 'obj20'): '26',
(1, 1000, 'obj11'): '3',
(1, 1000, 'obj12'): '9',
(1, 1000, 'obj13'): '5',
(1, 1000, 'obj14'): '4',
(1, 1000, 'obj15'): '23',
(1, 1000, 'obj16'): '52',
(1, 1000, 'obj17'): '22',
(1, 1000, 'obj18'): '13',
(1, 1000, 'obj19'): '8',
(1, 1000, 'obj20'): '26',
(1, 2000, 'obj11'): '3',
(1, 2000, 'obj12'): '9',
(1, 2000, 'obj13'): '5',
(1, 2000, 'obj14'): '4',
(1, 2000, 'obj15'): '23',
(1, 2000, 'obj16'): '52',
(1, 2000, 'obj17'): '22',
(1, 2000, 'obj18'): '13',
(1, 2000, 'obj19'): '8',
(1, 2000, 'obj20'): '26',
(1, 3000, 'obj11'): '3',
(1, 3000, 'obj12'): '9',
(1, 3000, 'obj13'): '5',
(1, 3000, 'obj14'): '4',
(1, 3000, 'obj15'): '23',
(1, 3000, 'obj16'): '52',
(1, 3000, 'obj17'): '22',
(1, 3000, 'obj18'): '13',
(1, 3000, 'obj19'): '8',
(1, 3000, 'obj20'): '26',
(1, 4000, 'obj11'): '3',
(1, 4000, 'obj12'): '9',
(1, 4000, 'obj13'): '5',
(1, 4000, 'obj14'): '4',
(1, 4000, 'obj15'): '23',
(1, 4000, 'obj16'): '52',
(1, 4000, 'obj17'): '22',
(1, 4000, 'obj18'): '13',
(1, 4000, 'obj19'): '8',
(1, 4000, 'obj20'): '26'},
'var': {(1, 0, 'obj11'): 61.05099868774414,
(1, 0, 'obj12'): 52.6510009765625,
(1, 0, 'obj13'): 61.422000885009766,
(1, 0, 'obj14'): 75.99199676513672,
(1, 0, 'obj15'): 72.30999755859375,
(1, 0, 'obj16'): 63.79999923706055,
(1, 0, 'obj17'): 52.604000091552734,
(1, 0, 'obj18'): 61.02899932861328,
(1, 0, 'obj19'): 65.16999816894531,
(1, 0, 'obj20'): 71.26699829101562,
(1, 1000, 'obj11'): 59.92499923706055,
(1, 1000, 'obj12'): 49.4630012512207,
(1, 1000, 'obj13'): 60.25299835205078,
(1, 1000, 'obj14'): 77.15299987792969,
(1, 1000, 'obj15'): 73.43199920654297,
(1, 1000, 'obj16'): 62.207000732421875,
(1, 1000, 'obj17'): 49.805999755859375,
(1, 1000, 'obj18'): 60.459999084472656,
(1, 1000, 'obj19'): 65.0199966430664,
(1, 1000, 'obj20'): 71.9520034790039,
(1, 2000, 'obj11'): 58.72600173950195,
(1, 2000, 'obj12'): 45.98500061035156,
(1, 2000, 'obj13'): 58.21099853515625,
(1, 2000, 'obj14'): 78.35800170898438,
(1, 2000, 'obj15'): 75.06199645996094,
(1, 2000, 'obj16'): 59.23500061035156,
(1, 2000, 'obj17'): 46.32699966430664,
(1, 2000, 'obj18'): 57.902000427246094,
(1, 2000, 'obj19'): 65.1510009765625,
(1, 2000, 'obj20'): 72.99099731445312,
(1, 3000, 'obj11'): 57.47800064086914,
(1, 3000, 'obj12'): 42.904998779296875,
(1, 3000, 'obj13'): 55.89699935913086,
(1, 3000, 'obj14'): 79.41999816894531,
(1, 3000, 'obj15'): 76.78800201416016,
(1, 3000, 'obj16'): 55.53099822998047,
(1, 3000, 'obj17'): 42.67900085449219,
(1, 3000, 'obj18'): 55.277000427246094,
(1, 3000, 'obj19'): 65.21199798583984,
(1, 3000, 'obj20'): 74.27400207519531,
(1, 4000, 'obj11'): 56.189998626708984,
(1, 4000, 'obj12'): 41.14099884033203,
(1, 4000, 'obj13'): 54.09000015258789,
(1, 4000, 'obj14'): 80.78099822998047,
(1, 4000, 'obj15'): 78.38999938964844,
(1, 4000, 'obj16'): 57.492000579833984,
(1, 4000, 'obj17'): 40.400001525878906,
(1, 4000, 'obj18'): 53.159000396728516,
(1, 4000, 'obj19'): 63.72200012207031,
(1, 4000, 'obj20'): 75.40399932861328}}
)
df.index.names = ['k', 'group', 'object']
def cluster_group(x, index):
clustering = KMeans(n_clusters = 3, random_state = 42).fit(x.values)
return pd.Series(clustering.labels_, index = index)
df
如下:
df \
.groupby(['k', 'group']) \
.filter(lambda x: x.shape[0] > 3)['var'] \
.reset_index('object') \
.groupby(['k', 'group']) \
.apply(lambda x: cluster_group(x['var'], x['object']))
DataFrame
非常庞大,这个解决方案的工作速度非常慢。因此,我想问一下是否有办法以某种方式优化性能?
df.shape
是
(1286135, 9)
,但我需要为许多数据框计算这个,每个数据框都在这个大小左右。所以我需要确保代码尽可能优化。
最佳答案
您最初的解决方案还不错。
我尝试使用 pd.DataFrame.unstack()
方法走得快一点。
可能的解决方案:df = df.unstack()['var'].apply(lambda x: cluster_group(x, x.index), axis=1)
用上面的例子进行速度测试:
%timeit -n 10 test = df \
.groupby(['k', 'group']) \
.filter(lambda x: x.shape[0] > 3)['var'] \
.reset_index('object') \
.groupby(['k', 'group']) \
.apply(lambda x: cluster_group(x['var'], x['object']))
%timeit -n 10 test = df.unstack()['var'].apply(lambda x: cluster_group(x, x.index), axis=1)
关于python - 使用 groupby+apply 对每个组进行聚类 - 性能问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59706979/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!