Python 熊猫级数的二进制移位

在熊猫数据帧中有一些布尔变量，我需要得到所有唯一的元组。所以我的想法是创建一个新的列，其中包含变量的串联值，然后使用pandas.DataFrame.unique（）来获取所有唯一元组

所以我的想法是使用二进制开发来连接。例如，对于数据帧：

import pandas as pd
df = pd.DataFrame({'v1':[0,1,0,0,1],'v2':[0,0,0,1,1], 'v3':[0,1,1,0,1], 'v4':[0,1,1,1,1]})

我可以创建这样一个列：

df['added'] = df['v1'] + df['v2']*2 + df['v3']*4 + df['v4']*8

variables = ['v1', 'v2', 'v3', 'v4']
df['added'] = df['v1']
for ind, var in enumerate(variables[1:]) :
   df['added'] = df['added'] + df[var].apply(lambda x : x << ind )

我的想法是在这样的变量列表上迭代（应该注意，在我真正的问题上，我不知道列的数量）：

variables=['v1'，'v2'，'v3'，'v4']
df['added']=df['v1']
对于ind，枚举中的var（变量[1:]）：
df['added']=df['added']+df[var]将唯一行作为
删除重复项
。（通过查找所有重复的行并删除它们，只留下唯一的行。）

获取唯一的行作为
删除重复项
。（通过查找所有重复的行并删除它们，只留下唯一的行。）

使用，仅简化，因为订单已交换：

df['new'] = df.values.dot(1 << np.arange(df.shape[-1]))
print (df)
   v1  v2  v3  v4  new
0   0   0   0   0    0
1   1   0   1   1   13
2   0   0   1   1   12
3   0   1   0   1   10
4   1   1   1   1   15

尤卡解决方案：

In [65]: %%timeit
    ...: variables = ['v1', 'v2', 'v3', 'v4']
    ...: df['added'] = df['v1']
    ...: for ind, var in enumerate(variables[1:]) :
    ...:     df['added'] = df['added'] + [x<<ind for x in df[var]]
    ...: 
1.82 ms ± 16.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [66]: %%timeit
    ...: variables = ['v1', 'v2', 'v3', 'v4']
    ...: df['added'] = df['v1']
    ...: for ind, var in enumerate(variables[1:]) :
    ...:    df['added'] = df['added'] + df[var].apply(lambda x : x << ind )
    ...: 
3.14 ms ± 8.52 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

[65]中的
：%%timeit
…：变量=['v1'，v2'，v3'，v4']
…：df['added']=df['v1']
…：对于ind，枚举中的var（变量[1:]）：
…：df['added']=df['added']+[x使用，仅进行简化，因为订单已交换：

df['new'] = df.values.dot(1 << np.arange(df.shape[-1]))
print (df)
   v1  v2  v3  v4  new
0   0   0   0   0    0
1   1   0   1   1   13
2   0   0   1   1   12
3   0   1   0   1   10
4   1   1   1   1   15

尤卡解决方案：

In [65]: %%timeit
    ...: variables = ['v1', 'v2', 'v3', 'v4']
    ...: df['added'] = df['v1']
    ...: for ind, var in enumerate(variables[1:]) :
    ...:     df['added'] = df['added'] + [x<<ind for x in df[var]]
    ...: 
1.82 ms ± 16.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [66]: %%timeit
    ...: variables = ['v1', 'v2', 'v3', 'v4']
    ...: df['added'] = df['v1']
    ...: for ind, var in enumerate(variables[1:]) :
    ...:    df['added'] = df['added'] + df[var].apply(lambda x : x << ind )
    ...: 
3.14 ms ± 8.52 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

[65]中的
：%%timeit
…：变量=['v1'，v2'，v3'，v4']
…：df['added']=df['v1']
…：对于ind，枚举中的var（变量[1:]）：
…：df['added']=df['added']+[x回答您关于更有效的替代方案的问题，我发现列表理解确实对您有所帮助：

variables = ['v1', 'v2', 'v3', 'v4']
df['added'] = df['v1']
for ind, var in enumerate(variables[1:]) :
    %timeit df['added'] = df['added'] + [x<<ind for x in df[var]]

308 µs ± 22.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
322 µs ± 19 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
316 µs ± 10.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

variables=['v1'，'v2'，'v3'，'v4']
df['added']=df['v1']
对于ind，枚举中的var（变量[1:]）：
%timeit df['added']=df['added']+[x回答您关于更有效的替代方案的问题，我发现列表理解确实对您有所帮助：

variables = ['v1', 'v2', 'v3', 'v4']
df['added'] = df['v1']
for ind, var in enumerate(variables[1:]) :
    %timeit df['added'] = df['added'] + [x<<ind for x in df[var]]

308 µs ± 22.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
322 µs ± 19 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
316 µs ± 10.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

variables=['v1'，'v2'，'v3'，'v4']
df['added']=df['v1']
对于ind，枚举中的var（变量[1:]）：
%timeit df['added']=df['added']+[X你的代码有点奇怪，
df['var']
应该是
df[var]
否？是的，当然，谢谢（修复了这个）！你的代码有点奇怪，
df['var']
应该是
df[var]
否？是的，当然，谢谢（修复了这个）！当然，非常感谢。我给了你+1，但由于问题主要是关于熊猫系列的二进制移位，我不得不接受关于这一问题的正确答案。这对meSure来说很有意义，非常感谢。我给了你+1，但由于问题主要是关于熊猫系列的二进制移位，我不得不接受关于这一问题的正确答案。对于您的解决方案，这对我来说是有意义的+1。但是，它要么消耗内存（创建数组a）或者重复操作df.values两次，所以我不确定这是最好的方法…@MatinaG-不明白，为什么要重复两次？在我看来，这应该是最理想的解决方案-因为只处理所有数据一次，而不是按每列单独循环。您或者将df.values存储在单独的变量（a）中或者，如果您不这样做，您必须执行类似df['new']=df.values.dot（1@MatinaG-我使用避免双
df.values
获得更好的解决方案，还为您的解决方案添加了比较性能的计时。+1。但是，它要么消耗内存（创建数组a）或者重复操作df.values两次，所以我不确定这是最好的方法…@MatinaG-不明白，为什么要重复两次？在我看来，这应该是最理想的解决方案-因为只处理所有数据一次，而不是按每列单独循环。您或者将df.values存储在单独的变量（a）中或者，如果您不这样做，您必须执行类似于df['new']=df.values.dot（1@MatinaG-我使用避免双重
df.values
获得更好的解决方案，还添加了用于比较性能的计时。