- 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?
我目前正在制作一个包含对的比率的表格,并应用了某种最小最大标量逻辑。但是,我的代码经历了非常长且昂贵的时间复杂性;很大的原因之一是数据的大小。但是,我正在寻找更高效的代码来做同样的事情。
这是我编写的代码,将解释我在代码中所做的事情。
import pandas as pd
import numpy as np
import itertools
indexColumn = 'id'
limit_ratio = 0.6
result_data = pd.DataFrame([['id1', 1], ['id2', 1], ['id3', 1], ['id1', 2], ['id3', 2], ['id1', 4], ['id2', 4], ['id1', 5], ['id2', 5], ['id1', 6], ['id5', 6], ['id5', 7], ['id6', 7]], columns=['id', 'labels'])
result_data = result_data.groupby('labels')[indexColumn].apply(lambda x: list(itertools.combinations(x, 2))).reset_index()
result_data = result_data.explode(indexColumn)
result_data = result_data.groupby(indexColumn)['labels'].agg('count').rename('count').reset_index()
result_data[['id1', 'id2']] = pd.DataFrame(result_data[indexColumn].tolist(),index=result_data.index)
此时,
result_data
好像
id1
和
id2
有标签 1 的数据。然后,计数将增加 1。
result_data['ratio'] = result_data['count'] / float(result_data['count'].max())
result_data = result_data.sort_values(by='ratio', ascending=False)
然后,
result_data
是
ratio
在这里,我计算
result_data
此时有 1.2 亿行。以下代码是我在指数计算时间方面遇到的问题,因为它的大小。
if limit_ratio is not None:
result_data[['ratio1', 'ratio2']] = np.NaN
idlist = np.unique(result_data[['id1', 'id2']])
for id in idlist:
tmp = result_data[(result_data['id1'] == id) | (result_data['id2'] == id)][['id1', 'id2', 'count', 'ratio']]
tmp['ratio1'] = tmp['count'] / float(tmp['count'].max())
tmp['ratio2'] = tmp['ratio1']
tmp.loc[tmp['id1'] == id, ['ratio2']] = np.NaN
tmp.loc[tmp['id2'] == id, ['ratio1']] = np.NaN
tmp = tmp[['id1', 'id2', 'ratio1', 'ratio2']]
result_data = pd.merge(result_data, tmp, how='outer', on=['id1', 'id2'])
result_data['ratio1'] = result_data['ratio1_x'].where(result_data['ratio1_x'].notna(), result_data['ratio1_y'])
result_data['ratio2'] = result_data['ratio2_x'].where(result_data['ratio2_x'].notna(), result_data['ratio2_y'])
result_data = result_data[['id1', 'id2', 'count', 'ratio', 'ratio1', 'ratio2']]
那么,结果将是
ratio1
计算公式为
ratio2
计算公式为
threshold
的行。 .
result_data = result_data[(result_data['ratio1'] >= float(limit_ratio)) | (result_data['ratio2'] >= float(limit_ratio))]
这会给我
最佳答案
设置
>>> result_data
id count id1 id2 ratio
0 (id1, id2) 3 id1 id2 1.000000
1 (id1, id3) 2 id1 id3 0.666667
2 (id1, id5) 1 id1 id5 0.333333
3 (id2, id3) 1 id2 id3 0.333333
4 (id5, id6) 1 id5 id6 0.333333
解决方案
melted = result_data.melt('count', ['id1', 'id2'])
maxima = melted.groupby('value')['count'].max()
result_data['ratio1'] = result_data['count'] / result_data['id1'].map(maxima)
result_data['ratio2'] = result_data['count'] / result_data['id2'].map(maxima)
result_data = result_data.query("ratio1 >= @limit_ratio or ratio2 >= @limit_ratio")
说明
Melt
通过指定
id_vars
来获取数据框如
count
和
value_vars
如
id1, id2
>>> melted
count variable value
0 3 id1 id1
1 2 id1 id1
2 1 id1 id1
3 1 id1 id2
4 1 id1 id5
5 3 id2 id2
6 2 id2 id3
7 1 id2 id5
8 1 id2 id3
9 1 id2 id6
现在
group
melted
数据框来自
value
列和聚合
count
使用
max
计算
maximum
每
id
的计数值
>>> maxima
value
id1 3
id2 3
id3 2
id5 1
id6 1
Name: count, dtype: int64
map
计算出的
maxima
在列
id1
和
id2
>>> result_data['id1'].map(maxima)
0 3
1 3
2 3
3 3
4 1
Name: id1, dtype: int64
>>> result_data['id1'].map(maxima)
0 3
1 2
2 1
3 2
4 1
Name: id2, dtype: int64
现在划分
count
上面映射的列
id1
和
id2
列分别计算
ratio1
和
ratio2
>>> result_data[['ratio1', 'ratio2']]
ratio1 ratio2
0 1.000000 1.0
1 0.666667 1.0
2 0.333333 1.0
3 0.333333 0.5
4 1.000000 1.0
Query
根据给定的
threshold
过滤掉行的数据框值在
limit_ratio
>>> result_data
id count id1 id2 ratio ratio1 ratio2
0 (id1, id2) 3 id1 id2 1.000000 1.000000 1.0
1 (id1, id3) 2 id1 id3 0.666667 0.666667 1.0
2 (id1, id5) 1 id1 id5 0.333333 0.333333 1.0
4 (id5, id6) 1 id5 id6 0.333333 1.000000 1.0
关于python - 使用 Pandas 和 Numpy 按 ID 索引查找比率的计算时间很长,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67118267/
我不太确定如何制作它,因此当在屏幕上绘制矩形时,它有可能是金色的。这是我的游戏随机生成随机矩形的当前代码: public void drawRectangle() { rects.clear(
我知道这个问题可能是简单的几何问题,但我正在为一个地理区域使用特定的 shapefile 并寻找特定的 gis 解决方案(希望是代码)。 本质上,我想找到覆盖每个独立地理边界的黑色区域。覆盖红色区域、
我有一个 wordpress 网站,我有 5 个低文本 HTML 比率的页面,这是用于类别页面、作者页面和主页。我删除了所有不必要的插件以减少代码,它去掉了一个(我之前有 6 个)。我知道删除代码行之
这个问题已经有答案了: Division of integers in Java [duplicate] (7 个回答) 已关闭 9 年前。 我的代码: public class Test { pub
我希望在缩小时保持视频嵌入 (iframe) 的尺寸不变。 此时会出现两条黑线,并且随着您将其缩小而变大。 示例:http://jsfiddle.net/k5nbmqau/ 最简单的方法是什么?我想在
我正在尝试创建一个“幻灯片”div,它以恒定的纵横比在屏幕中间居中。 结合这个trick用于居中和this one对于比率,我想出了这个: HTML Percentage
我正在寻找一个提供统计数据/图表的网站,该网站提供 Android 智能手机和平板电脑上最流行的分辨率/屏幕比例。需要它来设计 UI 并计划如何扩展。如果有人共享数据会很酷。 最佳答案 这是您要找的吗
在我的应用中,我允许用户以纵向模式录制视频。我在应用程序中使用它,这很好。但是,我正在实现一项功能以在 Instagram 上分享视频,其中视频必须是方形的。 将视频裁剪成正方形,比方说中间部分,是一
我需要从两台服务器创建“可靠性”报告 - 服务器 A 和服务器 B。 两者都跟踪其正常运行时间 - 或者更确切地说,在它们不可用的任何情况下。这些记录存储在 SQL Server 数据库表中 Even
您好,我想更改我的/etc/my.cnf 文件(mysql 的配置文件)。 以下值应该是多少才能使我的查询获得更好的性能。 query_cache_type = 1 query_cache_limit
目前我有一个布局,可以将一些缩略图拉入一个 grid - 每个缩略图都由一种样式定义,该样式使它们保持固定比例(大约 16:9),该比例由以下定义像素尺寸 (389px x 230px),但它们在高分
我有一个 wxPython 应用程序,带有一个框架和一个面板。该面板上有许多静态框,每个静态框都有按钮和文本框。 我刚刚开始阅读有关 sizer 的内容,但它们似乎可能超出了我的需要,或者它们可能正是
假设我正在构建一个基本的搜索引擎。我有一个字符串列表作为搜索结果,我想对搜索结果列表进行排序,最匹配的结果排在最前面。 我当前的代码如下所示(以命名参数为例) import difflib def o
我正在为一组物种生成生态位模型,我想使用 AUC 作为生态位质量的指标。开发 Maxent 的 Steven Phillips 在他的 Maxent 手册中提供了用于计算 R 中 AUC 的代码。但是
我在 LaunchScreen 中有一个 UIView。 我已将以下约束添加到此 UIView。 我希望我的红色 View 始终占屏幕的 35%。 我计算了 RedView 的高度: 我的 ViewC
我有一个包含列的数据框:Year 和 Min Delay。示例行如下: 2014 0 2014 2 2014 0 2014 4 2015 4 2015 4 2015
我需要 CSS/响应式代码方面的帮助。随着我的窗口大小减小,我需要所有元素以相同的比例减小。对此有疑问。箭头和公鸡不会随着视口(viewport)减小而减小。 公鸡脚的影子应该稍微被箭遮住。箭头主体(
我想创建 roofline 模型,但我遇到了每字节比率算法失败的问题。你能解释一下如何计算吗?该算法使用 5 点模板进行计算。 这是算法 for(int i=1; i
我有一个数据框,其中单元格用 float 填充,列名采用日期时间格式,格式为年+季度 - 例如“1995Q2”。我想划分其中两个列的值并将结果存储在一个新列中。我这样做了: df['ratio'] =
我有一个 8GB RAM 的生产服务器。我希望在服务器上托管 elastic、logstash 和 kibana。使用 docker compose。 每个容器的推荐 java 大小内存大小是多少。我
我是一名优秀的程序员,十分优秀!