使用 pandas 系列操作

Question

假设有两个系列 a = [1,2,3,4,5], b = [60,7,80,9,100]

我想创建一个新变量，其计算如下： C = a/b if b >10 else a/b +1

我可以通过以下方式使用列表理解来做到这一点：

C = [a[i] \b[i] if b[i] > 10 else a[i] \b[i] +1 for i in range(len(b))]

我的问题如下：

是否有其他方法（例如使用 lambda、map、apply 等）来避免 for 循环？ (系列a,b,c也可以是a的一部分pd.Dataframe)

Answer 1

第一个想法是除以值并按条件添加 1 - 将掩码转换为整数 1 和 0:

c  = a/b + (b <=10).astype(int)
#alternative
#c  = a/b + (~(b > 10)).astype(int)

或添加由numpy.where创建的数组：

c  = a/b + np.where(b > 10, 0, 1)

如果想分2次也是可以的（大数据应该慢一点）

c  = pd.Series(np.where(b >10, a/b, a/b +1), index=a.index)

print (c)
0    0.016667
1    1.285714
2    0.037500
3    1.444444
4    0.050000
dtype: float64

设置:

a = pd.Series([1,2,3,4,5])
b = pd.Series([60,7,80,9,100])

性能:

np.random.seed(2019)

a = pd.Series(np.random.randint(1,100, size=100000))
b = pd.Series(np.random.randint(1,100, size=100000))

In [322]: %timeit [a[i] /b[i] if b[i] > 10 else a[i] /b[i] +1 for i in range(len(b))]
3.08 s ± 84.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [323]: %timeit a/b + (b <=10).astype(int)
1.71 ms ± 44.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [324]: %timeit a/b + np.where(b > 10, 0, 1)
1.67 ms ± 66.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [325]: %timeit np.where(b >10, a/b, a/b +1)
2.7 ms ± 13.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [326]: %timeit pd.Series(np.where(b >10, a/b, a/b +1), index=a.index)
2.74 ms ± 21.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

使用 pandas 系列操作

Operation with pandas Series

python

series

dataframe

pandas