Pandas - 根据另一个列表中的索引对列表中的值求和
Posted
技术标签:
【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
【讨论】:
【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']
【讨论】:
【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()
【讨论】:
以上是关于Pandas - 根据另一个列表中的索引对列表中的值求和的主要内容,如果未能解决你的问题,请参考以下文章
如何根据列表有条件地更新 Pandas 中的 DataFrame 列