Python 在列中使用回购协议中的模块

我试图在熊猫数据帧的列中使用

pyModeS

中的一些模块

所讨论的数据帧如下所示：

                                reply  timeAtServer  aircraftAddress
0        8daa6c326099d400d47d1e63b4c4  1.557497e+09         11168818
1                      5daa6c32b53e75  1.557497e+09         11168818
2                      5daa6c32b53e75  1.557497e+09         11168818
3        8daa6c32234d7076d79e20295623  1.557497e+09         11168818
4        a41982db7067fdae209e5d93b760  1.557497e+09         11168818
                              ...           ...              ...
1074083                02c1873a45a781  1.558654e+09         11339810
1074084                02c6073b626e6b  1.558654e+09         11339810
1074085                5dad7f539b6bea  1.558654e+09         11370323
1074086  8dad082299094b82e100172dd23f  1.558654e+09         11339810
1074087                02c1873bba5388  1.558654e+09         11339810

[1074088 rows x 3 columns]

我想根据“回复”列创建新列（DF、TC和RA），到目前为止我所做的是：

df['DF'] = df['reply'].apply(lambda x: pms.df(x))
df['TC'] = df['reply'].apply(lambda x: pms.adsb.typecode(x))
df['RA'] = df['reply'].apply(lambda x: pms.bds.bds30.is30(x) if len(x) > 14 else '...')

这很好，但我相信一定有一种更优雅、更快的方法来实现这一点

注：

pms.df（x）

给出整数，

pms.adsb.typecode（x）

给出整数和'NaN'，

pms.bds.bds30.is30（x）

给出布尔值（真或假）

另外，再次基于第一列，我想应用一个模块（

pms.adsb.icao（x）

），但仅应用于

reply

中的

RA

为“True”的行。这就像是双重条件或类似的东西，我无法控制它

目前，我唯一能做的事情就是在RA的索引为True时获取它，然后循环编写新的专栏，但是这需要永远：

IDX = df.index[df['RA'] == True].tolist()

for x in IDX:
    df['icao24'] = df['reply'].apply(lambda x: pms.adsb.icao(x))

这是全部代码：

import pandas as pd
import pyModeS as pms
    
df = pd.read_csv (r'C:\Users\Shadow\Desktop\opensky_tcas_incidents_raw_dedup.csv')
    
df['DF'] = df['reply'].apply(lambda x: pms.df(x))
df['TC'] = df['reply'].apply(lambda x: pms.adsb.typecode(x))
df['RA'] = df['reply'].apply(lambda x:  pms.bds.bds30.is30(x) if len(x) > 14 else '...')
    
IDX = df.index[df['RA'] == True].tolist()

for x in IDX:
    df['icao24'] = df['reply'].apply(lambda x: pms.adsb.icao(x))

---

使用自定义功能，遗憾的是性能取决于

pms

模块处理：

def f(x):
    DF = pms.df(x)
    TC = pms.adsb.typecode(x)
    RA = pms.bds.bds30.is30(x) if len(x) > 14 else '...'
    icao24 = pms.adsb.icao(x) if RA == 'True' else None
    return pd.Series([DF, TC, RA, icao24])
    
df[['DF','TC','RA','icao24']] = df['reply'].apply(f)

您的代码只应在第二部分进行优化，在第一部分中，只可能删除一些lambda：

df['DF'] = df['reply'].apply(pms.df)
df['TC'] = df['reply'].apply(pms.adsb.typecode)
df['RA'] = df['reply'].apply(lambda x:  pms.bds.bds30.is30(x) if len(x) > 14 else '...')

mask = df['RA'] == 'True'
df.loc[mask, 'icao24'] = df.loc[mask, 'reply'].apply(lambda x: pms.adsb.icao(x))

---

正如您所说，这个自定义函数很优雅，但它比我的MWE慢得多。无论如何，谢谢。@PeterLaAnguila-是的，添加了为

icao24

优化的代码。不再支持带有任何缺少标签的loc或[]。缺少以下标签：索引（['…'、'…'、'…'、'…'、'…'、\n…\n'、'、'、'…'、'、'、'…]、\n dtype='object'，length=692832）请看“@PeterLaAnguila-hmm，那么

'True'

是字符串吗？然后使用

mask=df['RA']=='True'