- 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?
我正在尝试对 person_id 值进行编码。首先,我创建一个存储 person_id 值的字典,然后将这些值添加到新列中。处理 70K 行数据大约需要 25 分钟。
数据集:https://www.kaggle.com/gspmoreira/articles-sharing-reading-from-cit-deskdrop
interactions_df = pd.read_csv('./users_interactions.csv')
personId_map = {}
personId_len = range(0,len(set(interactions_df['personId'])))
for i in zip(personId_len, set(interactions_df['personId'])):
personId_map[i[0]] = i[1]
运行
%%time
def transform_person_id(row):
if row['personId'] in personId_map.values():
return int([k for k,v in personId_map.items() if v == row['personId']][0])
interactions_df['new_personId'] = interactions_df.apply(lambda x: transform_person_id(x), axis=1)
interactions_df.head(3)
消耗时间
CPU times: user 25min 46s, sys: 1.58 s, total: 25min 48s
Wall time: 25min 50s
如何优化上面的代码。
最佳答案
如果没有特殊的订购规则,使用factorize
:
interactions_df['new_personId'] = pd.factorize(interactions_df.personId)[0]
如果还需要字典:
i, v = pd.factorize(interactions_df.personId)
personId_map = dict(zip(i, v[i]))
数据
- 用于测试的前 20 行:
interactions_df = pd.read_csv('./users_interactions.csv', nrows=20, usecols=['personId'])
#print (interactions_df)
personId_map = {}
personId_len = range(0,len(set(interactions_df['personId'])))
for i in zip(personId_len, set(interactions_df['personId'])):
personId_map[i[0]] = i[1]
#print (personId_map)
def transform_person_id(row):
if row['personId'] in personId_map.values():
return int([k for k,v in personId_map.items() if v == row['personId']][0])
interactions_df['new_personId'] = interactions_df.apply(lambda x: transform_person_id(x), axis=1)
interactions_df['new_personId1'] = pd.factorize(interactions_df.personId)[0]
<小时/>
print (interactions_df)
personId new_personId new_personId1
0 -8845298781299428018 3 0
1 -1032019229384696495 5 1
2 -1130272294246983140 9 2
3 344280948527967603 6 3
4 -445337111692715325 0 4
5 -8763398617720485024 10 5
6 3609194402293569455 4 6
7 4254153380739593270 8 7
8 344280948527967603 6 3
9 3609194402293569455 4 6
10 3609194402293569455 4 6
11 1908339160857512799 11 8
12 1908339160857512799 11 8
13 1908339160857512799 11 8
14 7781822014935525018 1 9
15 8239286975497580612 2 10
16 8239286975497580612 2 10
17 -445337111692715325 0 4
18 2766187446275090740 7 11
19 1908339160857512799 11 8
<小时/>
i, v = pd.factorize(interactions_df.personId)
d = dict(zip(i, v[i]))
print (d)
{0: -8845298781299428018, 1: -1032019229384696495, 2: -1130272294246983140,
3: 344280948527967603, 4: -445337111692715325, 5: -8763398617720485024,
6: 3609194402293569455, 7: 4254153380739593270, 8: 1908339160857512799,
9: 7781822014935525018, 10: 8239286975497580612, 11: 2766187446275090740}
性能:
interactions_df = pd.read_csv('./users_interactions.csv', usecols=['personId'])
#print (interactions_df)
In [243]: %timeit interactions_df['new_personId'] = pd.factorize(interactions_df.personId)[0]
2.03 ms ± 15.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
关于python - 提高 pandas 数据框的性能,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55649690/
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!