Pandas - 根据另一个列表中的索引对列表中的值求和

Posted 2023-03-11

【中文标题】Pandas - 根据另一个列表中的索引对列表中的值求和

【英文标题】：Pandas - Sum values in list according to index from another list

【发布时间】：2019-08-10 22:39:15

【问题描述】：

由于我要处理大量数据，因此我正在尝试找到最符合 Python 标准的方法来在尽可能短的时间内解决我的问题。我的问题如下：

我有两个列表

a = [12,34,674,2,0,5,6,8]
b = ['foo','bar','bar','foo','foo','bar','foo','foo']

我想说python：如果'bar'在b中，则取所有索引并将列表a中的所有值与这些索引相加。

这是我到目前为止所做的：

idx = [i for i, j in enumerate(a) if j == 'bar'] 

但后来我被堆叠了。我正在考虑使用一些有线 for 循环。你有什么想法吗？

【问题讨论】：

sum([a[i] for i, j in enumerate(b) if j == 'bar'] ).. ?

【参考方案1】：

与numpy:

import numpy as np

a = np.array(a)
b = np.array(b)

a[b == 'bar'].sum()

【讨论】：

这可能是最快的方法 +1

【参考方案2】：

使用np.bincount。计算总和（'foo' 和 'bar'）。

sum_foo, sum_bar = np.bincount(np.char.equal(b, 'bar'), a)
sum_foo
# 28.0
sum_bar
# 713.0

注意np.char.equal 适用于列表和数组。如果 b 是一个数组，那么可以使用b == 'bar' 代替，速度会快一些。

时间安排：

尽管这会计算两个总和，但它实际上非常快：

timeit(lambda: np.bincount(b == 'bar', a))
# 2.406161994993454

例如与 numpy 掩码方法比较：

timeit(lambda: a[b == 'bar'].sum())
# 5.642918559984537

在较大的阵列上，掩码会稍微快一些，这是预期的，因为 bincount 基本上完成了 2 倍的工作。仍然bincount 花费不到 2 倍的时间，所以如果你碰巧需要两个总和（'foo' 和 'bar'），bincount 仍然更快。

aa = np.repeat(a, 1000)
bb = np.repeat(b, 1000)
timeit(lambda: aa[bb == 'bar'].sum(), number=1000)
# 0.07860603698645718
timeit(lambda:np.bincount(bb == 'bar', aa), number=1000)
# 0.11229897901648656

【参考方案3】：

用途：

l = [x for x,y in zip(a,b) if y == 'bar']

如果你想要索引：

l = [i for (i,x),y in zip(enumerate(a),b) if y == 'bar']

【参考方案4】：

这在pandas中很容易做到：

In[5]:
import pandas as pd
a = [12,34,674,2,0,5,6,8]
b = ['foo','bar','bar','foo','foo','bar','foo','foo']
df = pd.DataFrame('a':a, 'b':b)
df

Out[5]: 
     a    b
0   12  foo
1   34  bar
2  674  bar
3    2  foo
4    0  foo
5    5  bar
6    6  foo
7    8  foo

In [8]: df.loc[df['b']=='bar','a'].sum()
Out[8]: 713

因此，我们在这里获取您的列表并为data arg 为DataFrame ctor 构造一个dict：

df = pd.DataFrame('a':a, 'b':b)

然后我们只使用loc 屏蔽df，我们选择'b' == 'bar' 所在的行并选择'a' 列并调用sum()：

df.loc[df['b']=='bar','a'].sum()