優化從不同指標計數

我已經爲我的問題提供了一個解決方案，但我正在尋求一種更快的方法來完成它。優化從不同指標計數

有一個只有兩列的DataFrame。

 In[1]: import pandas as pd 

    In[2]: temp = pd.DataFrame({'id':['a','a','a','b','b','b'],'col1':[1,2,3,1,2,5],'col2':[1,2,4,1,3,4]}).set_index('id') 

    In[3]: temp 

    Out[3]: 
      col1 col2 
    id  
    a  1  1 
    a  2  2 
    a  3  4 
    b  1  1 
    b  2  3 
    b  5  4

現在，這是我的問題。我想獲得具有兩列最常見值的ID。我目前的解決方案是對如下：

 In[4]: def count_num(table_name): return (sum(table_name.col1==table_name.col2)) 

    In[5]: best_value, best_ans = [0], [0] 

    In[6]: for m in np.unique(temp.index): 
     ...:  temp_ans = count_num(temp.loc[m]) 
     ...:  if temp_ans > best_value[0]: 
     ...:   best_value.append(temp_ans) 
     ...:   best_ans.append(m) 
     ...:   best_value = best_value[1:] 
     ...:   best_ans = best_ans[1:]

我的小例子，答案是「A」

 In[7]: best_ans 

    Out[7]: ['a']

正如你可以找出來，我用一個for循環運行功能的一個指標時間如果有很多不同的索引，它會浪費時間。

我希望我可以做同樣的事情，而不使用循環。

謝謝你的幫助！

來源

2017-08-09 Lee Tom

在你的榜樣， '1'似乎是最常見的值，但它在行1和行5中都是索引'a'和'b'。看起來，您希望連接級數中所有值的唯一索引值等於中位數，但也許我不明白你的問題。 – Alexander

在我的例子中，我想獲得col1最多的col2 == col2。我想知道的一點是如何在不使用for循環的情況下在這種DataFrame類型中放置函數。 –

使用groupby

In [1310]: temp.eq(temp.col1, axis='index').all(axis=1).groupby('id').sum().idxmax() 
Out[1310]: 'a'

另外，

In [1313]: temp.apply(pd.Series.nunique, axis=1).eq(1).groupby('id').sum().idxmax() 
Out[1313]: 'a'

以上兩種解決方案非常適用於多列，如果你只兩列就可以

In [1329]: temp.col1.eq(temp.col2).groupby('id').sum().idxmax() 
Out[1329]: 'a'

詳情：

In [1315]: temp.eq(temp.col1, axis='index') 
Out[1315]: 
    col1 col2 
id 
a True True 
a True True 
a True False 
b True True 
b True False 
b True False 

In [1316]: temp.apply(pd.Series.nunique, axis=1) 
Out[1316]: 
id 
a 1 
a 1 
a 2 
b 1 
b 2 
b 2 
dtype: int64

來源

2017-08-09 06:09:43 Zero

這是一個相當小的例子。真正的功能要複雜得多。所以我的問題的關鍵是使用group by和運行一次函數。是對的嗎？ –

@LeeTom - 在我看來，需要'真和假'系列，然後''groupby'與'sum'計數'真實'，最大索引值使用'idxmax' – jezrael

Jezael是正確的，這種模式可以爲你工作更大問題，並嘗試儘可能地爲您的速度矢量化您的邏輯。 – Zero

可以比較列第一，再總結True值與groupby和sum然後idxmax獲得最大的價值指數：

print ((temp.col1==temp.col2)) 
id 
a  True 
a  True 
a False 
b  True 
b False 
b False 
dtype: bool 

print ((temp.col1==temp.col2).groupby(level='id').sum()) 

id 
a 2.0 
b 1.0 
dtype: float64 

print ((temp.col1==temp.col2).groupby(level='id').sum().idxmax()) 
a

什麼是一樣的：

print (temp.col1.eq(temp.col2).groupby(level='id').sum().idxmax()) 
a

來源

2017-08-09 06:15:33 jezrael

優化從不同指標計數

回答

相關問題