如何有效地计算另一列中每个元素的较小元素的数量？

Posted 2023-03-11

【中文标题】如何有效地计算另一列中每个元素的较小元素的数量？

【英文标题】：How to efficiently count the number of smaller elements for every element in another column?

【发布时间】：2021-06-12 13:01:48

【问题描述】：

我有以下df

    name        created_utc
0   t1_cqug90j  1430438400
1   t1_cqug90k  1430438400
2   t1_cqug90z  1430438400
3   t1_cqug91c  1430438401
4   t1_cqug91e  1430438401
... ...         ...

name 的哪一列仅包含唯一值。我想创建一个字典，其键与name 列中的元素相同。每个这样的键的值是列中元素的数量created_utc严格小于比键的。我的预期结果类似于

't1_cqug90j': 6, 't1_cqug90k': 0, 't1_cqug90z': 3, ... 

在这种情况下，created_utc 列中有 6 个元素严格小于小于 1430438400，即 t1_cqug90j 的对应值。我可以循环生成这样的字典。但是，在我的情况下，循环效率不高，行数超过 300 万。

能否请您详细说明一种更有效的方法？

import pandas as pd
import numpy as np
df = pd.read_csv('https://raw.githubusercontent.com/leanhdung1994/WebMining/main/df1.csv', header = 0)[['name', 'created_utc']]
df

更新：我发布了问题How to efficiently count the number of larger elements for every elements in another column? 并在那里收到了很好的答案。但是，我无法将代码修改为这种情况。如果有一个高效的代码可以适应这两种情况，那就太好了，即“严格更大”和“严格更小”。

【参考方案1】：

我认为您需要sort_index 对your previous answer 进行降序排序：

count_utc = df.groupby('created_utc').size().sort_index(ascending=False)
print (count_utc)
created_utc
1430438401    2
1430438400    3
dtype: int64

cumulative_counts = count_utc.shift(fill_value=0).cumsum()

output = dict(zip(df['name'], df['created_utc'].map(cumulative_counts)) )

print (output)
't1_cqug90j': 2, 't1_cqug90k': 2, 't1_cqug90z': 2, 't1_cqug91c': 0, 't1_cqug91e': 0