如何向量化 pandas 数据帧正向列值搜索

Question

我只想在正向搜索 pandas 数据框列中的目标值，如果找到更大的值，那么我想将索引差异记录为结果列。我已经设法用两个内部 for 循环来做到这一点，但速度非常慢。

这就是我想在一个简化的例子中实现的。

import pandas as pd

d = {
    'Value'  : [8,9,10,12,16,13,11,7,12,18],
    'Target' : [12,12,11,15,19,11,16,11,17,18]
    }
df = pd.DataFrame(data=d)


>>> df

   Target  Value
0      12      8
1      12      9
2      11     10
3      15     12
4      19     16
5      11     13
6      16     11
7      11      7
8      17     12
9      18     18

我们的第一个值为 8，我们的目标值为 12。我们期待在 Value 列中找到超过此目标值的值。我们在第 4 行找到它，值为 16。我要记录的是索引差异，即 4-0=4.

下一个值为 9，目标值为 12。我们在值中向前看并再次找到第 4 行，值为 16.Now 索引差异为 4-1=3

让我们跳到第 4 行。我们开始寻找从索引 5 开始的目标值。如果未找到值，则结果为 0。

这是我想要达到的结果列。

   Target  Value  Result
0      12      8       4
1      12      9       3
2      11     10       1
3      15     12       1
4      19     16       0
5      11     13       3
6      16     11       3
7      11      7       1
8      17     12       1
9      18     18       0

这可以不用 for 循环来完成吗？

Answer 1

使用numpy广播进行比较，将numpy上三角矩阵设置为False，通过numpy.argmax获取第一个True个索引，通过arange减去并设置为0 所有否定：

t = df['Target'].values[:, None]
v = df['Value'].values
m = v > t
m[np.tril_indices(m.shape[1])] = False
print (m)
[[False False False False  True  True False False False  True]
 [False False False False  True  True False False False  True]
 [False False False  True  True  True False False  True  True]
 [False False False False  True False False False False  True]
 [False False False False False False False False False False]
 [False False False False False False False False  True  True]
 [False False False False False False False False False  True]
 [False False False False False False False False  True  True]
 [False False False False False False False False False  True]
 [False False False False False False False False False False]]

a = np.argmax(m, axis=1) - np.arange(len(df))
print (a)
[ 4  3  1  1 -4  3  3  1  1 -9]

df['new'] = np.where(a > 0, a, 0)
print (df)
   Value  Target  new
0      8      12    4
1      9      12    3
2     10      11    1
3     12      15    1
4     16      19    0
5     13      11    3
6     11      16    3
7      7      11    1
8     12      17    1
9     18      18    0

Answer 2

您可以将其缩短为只有一个 for 循环。使用 Series.first_valid_index() 和布尔条件：

df['Result'] = 0
for i, target in enumerate(df.Target):
    val = df[(df.Value>target) & (df.index>i)]['Value'].first_valid_index()
    if val is not None:
        df.at[i, 'Result'] = val - i
df
   Value    Target  Result
0   8        12      4
1   9        12      3
2   10       11      1
3   12       15      1
4   16       19      0
5   13       11      3
6   11       16      3
7   7        11      1
8   12       17      1
9   18       18      0

条件查找 Value 大于目标的每一行，但也仅在目标的索引之后，first_valid_index 将 return 条件所在的第一个索引很满意。

如何向量化 pandas 数据帧正向列值搜索

How to vectorize pandas dataframe forward column value search

python

vectorization

dataframe

pandas