我有一个像这样的熊猫数据框：p q0.5 0.50.6 0.40.3 0.70.4 0.60.9 0.1所以，我想知道，如何将较大的值传输到 p 列，反之亦然的 q 列（将较小的值传输到 q 列），如下所示：p q0.5 0.50.6 0.40.7 0.30.6 0.40.9 0.1
4 回答
陪伴而非守候
TA贡献1757条经验 获得超8个赞
您可以存储一些条件系列np.where()，然后将它们应用到数据帧：
s1 = np.where(df['p'] < df['q'], df['q'], df['p'])
s2 = np.where(df['p'] > df['q'], df['q'], df['p'])
df['p'] = s1
df['q'] = s2
df
Out[1]:
p q
0 0.5 0.5
1 0.6 0.4
2 0.7 0.3
3 0.6 0.4
4 0.9 0.1
您还可以使用.where()：
s1 = df['p'].where(df['p'] > df['q'], df['q'])
s2 = df['p'].where(df['p'] < df['q'], df['q'])
df['p'] = s1
df['q'] = s2
df
我测试了从 100 行到 100 万行的不同行的执行时间，需要通过的答案axis=1可以是10,000 times slower!：
Erfan 的 numpy 答案看起来是大型数据集以毫秒为单位执行最快的答案
我的
.where()答案也具有出色的性能，可以将执行时间保持在毫秒内（我假设 `np.where() 会有类似的结果。我以为MHDG7的答案会是最慢的，但实际上它比Alexander的答案更快。
我猜亚历山大的回答很慢，因为它需要通过
axis=1。事实上，MGDG7 和 Alexander 的答案是逐行的（带有axis=1），这意味着对于大型数据帧来说，它会大大减慢速度。
正如您所看到的，一百万行数据帧需要几分钟才能执行。而且，如果您有 1000 万行到 1 亿行的数据帧，这些单行代码可能需要几个小时才能执行。
from timeit import timeit
df = d.copy()
def df_where(df):
s1 = df['p'].where(df['p'] > df['q'], df['q'])
s2 = df['p'].where(df['p'] < df['q'], df['q'])
df['p'] = s1
df['q'] = s2
return df
def agg_maxmin(df):
df[['p', 'q']] = df[['p', 'q']].agg([max, min], axis=1)
return df
def np_flip(df):
df = pd.DataFrame(np.flip(np.sort(df), axis=1), columns=df.columns)
return df
def lambda_x(df):
df = df.apply(lambda x: [x['p'],x['q']] if x['p']>x['q'] else [x['q'],x['p']],axis=1,result_type='expand')
return df
res = pd.DataFrame(
index=[20, 200, 2000, 20000, 200000],
columns='df_where agg_maxmin np_flip lambda_x'.split(),
dtype=float
)
for i in res.index:
d = pd.concat([df]*i)
for j in res.columns:
stmt = '{}(d)'.format(j)
setp = 'from __main__ import d, {}'.format(j)
print(stmt, d.shape)
res.at[i, j] = timeit(stmt, setp, number=1)
res.plot(loglog=True);
慕容森
TA贡献1853条经验 获得超18个赞
用于numpy.sort按水平轴升序排序，然后翻转数组axis=1：
df = pd.DataFrame(np.flip(np.sort(df), axis=1), columns=df.columns)
p q
0 0.5 0.5
1 0.6 0.4
2 0.7 0.3
3 0.6 0.4
4 0.9 0.1
至尊宝的传说
TA贡献1789条经验 获得超10个赞
使用agg，传递函数列表（max和min）并指定axis=1将这些函数按行应用于列。
df[['p', 'q']] = df[['p', 'q']].agg([max, min], axis=1)
>>> df
p q
0 0.5 0.5
1 0.6 0.4
2 0.7 0.3
3 0.6 0.4
4 0.9 0.1
简单的解决方案并不总是最有效的（例如上面的解决方案）。以下解决方案明显更快。p它屏蔽列小于列的数据帧q，然后交换值。
mask = df['p'].lt(df['q'])
df.loc[mask, ['p', 'q']] = df.loc[mask, ['q', 'p']].to_numpy()
>>> df
p q
0 0.5 0.5
1 0.6 0.4
2 0.7 0.3
3 0.6 0.4
4 0.9 0.1
千巷猫影
TA贡献1829条经验 获得超7个赞
您可以使用应用功能：
df[['p','q']] = df.apply(lambda x: [x['p'],x['q']] if x['p']>x['q'] else [x['q'],x['p']],axis=1,result_type='expand' )
添加回答
举报
0/150
提交
取消