Python 是否有更快的方法根据条件更新数据帧列值？

我正在尝试处理数据帧。这包括创建新列并基于其他列中的值更新其值。更具体地说，我有一个预定义的“源”，我想分类。该来源可分为三个不同类别：“来源dtp”、“来源dtot”和“来源现金”。我想向dataframe添加三个新列，它们基于原始“源”列由1或0组成

我现在能做到这一点，只是速度很慢

原始柱样：

source
_id                     
AV4MdG6Ihowv-SKBN_nB    DTP
AV4Mc2vNhowv-SKBN_Rn    Cash 1
AV4MeisikOpWpLdepWy6    DTP
AV4MeRh6howv-SKBOBOn    Cash 1
AV4Mezwchowv-SKBOB_S    DTOT
AV4MeB7yhowv-SKBOA5b    DTP

期望输出：

source_dtp  source_dtot source_cash
_id         
AV4MdG6Ihowv-SKBN_nB    1.0 0.0 0.0
AV4Mc2vNhowv-SKBN_Rn    0.0 0.0 1.0
AV4MeisikOpWpLdepWy6    1.0 0.0 0.0
AV4MeRh6howv-SKBOBOn    0.0 0.0 1.0
AV4Mezwchowv-SKBOB_S    0.0 1.0 0.0
AV4MeB7yhowv-SKBOA5b    1.0 0.0 0.0

这是我目前的方法，但速度很慢。我更喜欢矢量化的方式，但我不知道怎么做——因为条件非常复杂

# For 'source' we will use the following classes:
source_cats = ['source_dtp', 'source_dtot', 'source_cash']
# [0, 0, 0] would imply 'other', hence no need for a fourth category

# add new features to dataframe, initializing to nan
for cat in source_cats:
    data[cat] = np.nan

for row in data.itertuples():
    # create series to hold the result per row e.g. [1, 0, 0] for `cash`
    cat = [0, 0, 0]
    index = row[0]
    # to string as some entries are numerical
    source_type = str(data.loc[index, 'source']).lower()
    if 'dtp' in source_type:
        cat[0] = 1
    if 'dtot' in source_type:
        cat[1] = 1
    if 'cash' in source_type:
        cat[2] = 1
    data.loc[index, source_cats] = cat

我正在使用itertuples（），因为事实证明它比interrows（）快

是否有更快的方法来实现上述功能

---

编辑：这不仅仅是关于创建一个热编码。它归结为根据另一列的值更新列值。例如，如果我有一个特定的

location\u id

，我想根据原始id更新其各自的

经度
和
纬度
列（无需像我上面所做的那样迭代，因为它对于大数据集来说非常慢）。
你可以使用
str.get\u dummies
来获取你的编码

c = df.source.str.get_dummies().add_prefix('source_').iloc[:, ::-1]
c.columns = c.columns.str.lower().str.split().str[0]
print(c)
   source_dtp  source_dtot  source_cash
0           1            0            0
1           0            0            1
2           1            0            0
3           0            0            1
4           0            1            0
5           1            0            0

接下来，使用
pd.concat
将
c
与
\u id
连接起来

df = pd.concat([df._id, c], 1)
print(df)
                    _id  source_dtp  source_dtot  source_cash
0  AV4MdG6Ihowv-SKBN_nB           1            0            0
1  AV4Mc2vNhowv-SKBN_Rn           0            0            1
2  AV4MeisikOpWpLdepWy6           1            0            0
3  AV4MeRh6howv-SKBOBOn           0            0            1
4  AV4Mezwchowv-SKBOB_S           0            1            0
5  AV4MeB7yhowv-SKBOA5b           1            0            0


改进由于Scott Boston的
set_index
-
reset_index
范例，现在稍微平滑了一些：

df = df.set_index('_id')\
      .source.str.get_dummies().iloc[:, ::-1]
df.columns = df.columns.str.lower().str.split().str[0]
df = df.add_prefix('source_').reset_index()

print(df)
                    _id  source_dtp  source_dtot  source_cash
0  AV4MdG6Ihowv-SKBN_nB           1            0            0
1  AV4Mc2vNhowv-SKBN_Rn           0            0            1
2  AV4MeisikOpWpLdepWy6           1            0            0
3  AV4MeRh6howv-SKBOBOn           0            0            1
4  AV4Mezwchowv-SKBOB_S           0            1            0
5  AV4MeB7yhowv-SKBOA5b           1            0            0

另一种方法是在数据帧上使用。首先将“_id”放入索引中

source = source.set_index('_id')
df_out = pd.get_dummies(source).reset_index()

print(df_out)

输出：

                    _id  source_Cash 1  source_DTOT  source_DTP
0  AV4MdG6Ihowv-SKBN_nB              0            0           1
1  AV4Mc2vNhowv-SKBN_Rn              1            0           0
2  AV4MeisikOpWpLdepWy6              0            0           1
3  AV4MeRh6howv-SKBOBOn              1            0           0
4  AV4Mezwchowv-SKBOB_S              0            1           0
5  AV4MeB7yhowv-SKBOA5b              0            0           1

df.source.str.get_dummies（）
将获得0和1。然后，使用
pd.concat
加入您的数据帧，或者只需调用
df.assign
。是的，您可以使用np.where或np.select执行此操作。如果你提出了一个更好的问题，并提供了良好的样本数据和预期的结果，我们Stack Overflow社区将向你展示如何解决。正如@ScottBoston所说，从一开始就提到这一点会很有帮助。您编写所有这些代码来演示MCVE的事实使我们相信它反映了您的实际用例。现在，您需要提供更多的数据和预期输出，以便我们了解您的实际用例以及它与此用例的区别。@vconvo如果您的问题得到了回答，请关闭此问题，并接受我们的一个答案。@coldspeed@Scott Boston我将打开另一个问题-我没想到会有这样一个针对上述问题的具体解决方案（
get_dummies（）
）有趣。。。我不能确切地了解条件是如何计算的——1和0是如何分配的？在更复杂的条件下，这将如何实现？@vcovo我不太确定你在问什么，但是
pd.get_dummies
只分配一个热编码，这似乎是你想要的。对于更“复杂的条件”，您需要指定这些条件是什么，以便可以适当地解决它们。让我重新表述一下：data.source.str.get_dummies（）如何知道为
[source\u dtp，source\dtot，source\u cash]分配
[0,0,1]
如果
source=“cash 123”
？如果源代码类型中的“现金”
条件在哪里起作用？关于“更复杂的条件”：例如
如果有的话（st in source\u type表示st in cash\u type）
其中
cash\u type
是一个数组，例如
['cash'、'money'、'contant']
@vcovo简单地说，发生的事情是
get\u dummies
找到所有唯一的项，并按顺序为它们分配位置。然后，根据该行的值，为每个条目设置相应的位。对于更复杂的情况，
pd.get\u dummies
在这里不起作用。这是一个仅适用于此用例的特殊函数。对于更复杂的条件，需要更多复杂的方法。假设这是您的实际用例，您可能希望使用反映这一点的MVCE来打开一个新问题！