Python 有没有比groupby transform更快的替代方案?
我刚刚将Pandas更新为0.13.1,但现在一行代码(在0.12.0下已经很慢)变得慢得令人无法忍受。我不知道是否有更快的替代方案 我使用数据帧。假设我有这样一个:Python 有没有比groupby transform更快的替代方案?,python,pandas,Python,Pandas,我刚刚将Pandas更新为0.13.1,但现在一行代码(在0.12.0下已经很慢)变得慢得令人无法忍受。我不知道是否有更快的替代方案 我使用数据帧。假设我有这样一个: import pandas as pd df = pd.DataFrame({'A': ['one', 'one', 'two', 'three', 'three', 'one'], 'B': range(6)}) print df A B 0 one 0 1 one 1 2 two 2
import pandas as pd
df = pd.DataFrame({'A': ['one', 'one', 'two', 'three', 'three', 'one'], 'B': range(6)})
print df
A B
0 one 0
1 one 1
2 two 2
3 three 3
4 three 4
5 one 5
我通过首先按“a”分组并在B中选择每组的最后一个值来创建第三列“C”:
df['C'] = df.groupby('A')['B'].transform(lambda x: x.iloc[-1])
print df
A B C
0 one 0 5
1 one 1 5
2 two 2 2
3 three 3 4
4 three 4 4
5 one 5 5
问题是:熊猫版本0.13.1有没有更快的方法
谢谢是的,这正在等待实施: 但你可以这样做: 生成数据/组:
In [31]: np.random.seed(0)
In [32]: N = 120000
In [33]: N_TRANSITIONS = 1400
In [35]: transition_points = np.random.permutation(np.arange(N))[:N_TRANSITIONS]
In [36]: transition_points.sort()
In [37]: transitions = np.zeros((N,), dtype=np.bool)
In [38]: transitions[transition_points] = True
In [39]: g = transitions.cumsum()
In [40]: df = pd.DataFrame({ "signal" : np.random.rand(N)})
In [41]: grp = df["signal"].groupby(g)
以下是实际的转换:
In [42]: result2 = grp.transform(lambda x: x.iloc[-1])
In [43]: result1 = pd.concat([ Series([r]*len(grp.groups[i])) for i, r in enumerate(grp.tail(1).values) ],ignore_index=True)
In [44]: result1.equals(result2)
Out[44]: True
时间安排
In [26]: %timeit pd.concat([ Series([r]*len(grp.groups[i])) for i, r in enumerate(grp.tail(1).values) ],ignore_index=True)
10 loops, best of 3: 123 ms per loop
In [27]: %timeit grp.transform(lambda x: x.iloc[-1])
1 loops, best of 3: 472 ms per loop
我本打算建议使用cumcount和tail(1),但您需要的是其他东西(这些东西会快得多)。当这是瓶颈时,你想做什么?实际上,它必须是一个bug,而不仅仅是缓慢。使用熊猫0.12.1,在我的旧笔记本电脑上大约需要一分钟的时间,总共60万行。现在熊猫0.13.1在30分钟后仍能运行…请用一个例子(可能是np.random.rand)发布这个,我们可以在github上测试(计时):谢谢Jeff指出这一点。分组似乎对小玩具示例有效,但变换(两者)都无效。我收到了严重的KeyError:0和另一条NotImplementedError:消息。