也許有點初學者的問題，但我的思想真的卡住了。
我在名為 x 的列中有一個具有某些值的資料框，分為兩組。
x group
1 1.7 a
2 0 b
3 2.3 b
4 2.7 b
5 8.6 a
6 5.4 b
7 4.2 a
8 5.7 b
我的目的是為每一行計算另一組中有多少行的值大于當前行。所以為了更清楚起見，對于第一行（a 組），我正在尋找 b 組有多少行大于 1.7（答案是 4）。最終結果應如下所示：
x group result
1 1.7 a 4
2 0 b 3
3 2.3 b 2
4 2.7 b 2
5 8.6 a 0
6 5.4 b 1
7 4.2 a 2
8 5.7 b 1
我在資料框中有幾行，所以理想情況下我也想要一個相對快速的解決方案。
uj5u.com熱心網友回復：
使用np.searchsorted：
df['result'] = 0
a = df.loc[df['group'] == 'a', 'x']
b = df.loc[df['group'] == 'b', 'x']
df.loc[a.index, 'result'] = len(b) - np.searchsorted(np.sort(b), a)
df.loc[b.index, 'result'] = len(a) - np.searchsorted(np.sort(a), b)
輸出：
>>> df
x group result
1 1.7 a 4
2 0.0 b 3
3 2.3 b 2
4 2.7 b 2
5 8.6 a 0
6 5.4 b 1
7 4.2 a 2
8 5.7 b 1
130K 記錄的性能
>>> %%timeit
a = df.loc[df['group'] == 'a', 'x']
b = df.loc[df['group'] == 'b', 'x']
len(b) - np.searchsorted(np.sort(b), a)
len(a) - np.searchsorted(np.sort(a), b)
31.8 ms ± 319 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
設定：
N = 130000
df = pd.DataFrame({'x': np.random.randint(1, 1000, N),
'group': np.random.choice(['a', 'b'], N, p=(0.7, 0.3))})
uj5u.com熱心網友回復：
這是一種方法。在交換組名以將 a 與 b 中的排名值合并之后，基于ranking 降序排列x每個組的值，以及merge_asofdf 與自身，反之亦然。
# needed for the merge_asof
df = df.sort_values('x')
res = (
pd.merge_asof(
df.reset_index(), # to keep original index order
df.assign(
# to compare a with b in the merge
group = df['group'].map({'a':'b', 'b':'a'}),
# rank descending to get the number of number above current number
result = df.groupby('group')['x'].rank(ascending=False)),
by='group', # same group first, knowing you exchange groups in second df
on='x', direction='forward') # look forward on x to get the rank
# complete the result column
.fillna({'result':0})
.astype({'result':int})
# for cosmetic
.set_index('index')
.rename_axis(None)
.sort_index()
)
print(res)
# x group result
# 1 1.7 a 4
# 2 0.0 b 3
# 3 2.3 b 2
# 4 2.7 b 2
# 5 8.6 a 0
# 6 5.4 b 1
# 7 4.2 a 2
# 8 5.7 b 1
uj5u.com熱心網友回復：
您可以對值進行排序并使用掩碼對cumsum其他組進行排序：
df2 = df.sort_values(by='x', ascending=False)
m = df2['group'].eq('a')
df['result'] = m.cumsum().mask(m).fillna((~m).cumsum().where(m)).astype(int)
輸出：
x group result
1 1.7 a 4
2 0.0 b 3
3 2.3 b 2
4 2.7 b 2
5 8.6 a 0
6 5.4 b 1
7 4.2 a 2
8 5.7 b 1
uj5u.com熱心網友回復：
這應該非常有效，只是一種x，然后只計算 cumsums
df2 = df.sort_values('x', ascending=False).reset_index()
df2['acount'] = (df['group'] == 'a').cumsum()
df2['bcount'] = (df['group'] == 'b').cumsum()
df2 = df2.fillna(0)
df2
此時 df2 看起來像這樣：
index x group acount bcount
0 5 8.6 a 0.0 0.0
1 8 5.7 b 1.0 0.0
2 6 5.4 b 1.0 1.0
3 7 4.2 a 1.0 2.0
4 4 2.7 b 1.0 3.0
5 3 2.3 b 2.0 3.0
6 1 1.7 a 2.0 4.0
7 2 0.0 b 3.0 4.0
現在恢復索引并根據組選擇acount或bcount：
df2 = df2.set_index('index').sort_index()
df2['result'] = np.where(df['group']=='a', df2['bcount'],df2['acount']).astype(int)
df2[['x','result']]
最后結果
x group result
index
1 1.7 a 4
2 0.0 b 3
3 2.3 b 2
4 2.7 b 1
5 8.6 a 0
6 5.4 b 1
7 4.2 a 2
8 5.7 b 1
性能（在與@Corralien 相同的 130000 行測驗中，不是相同的硬體 obv）
65.4 ms ± 957 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
uj5u.com熱心網友回復：
與 Corralien 的解決方案沒有太大不同，但您可以使用廣播來檢查組 'a' 中的所有元素與組 'b' 中的所有元素并計算有多少滿足條件。然后將結果加入回來。
import pandas as pd
import numpy as np
a = df.loc[df['group'] == 'a', 'x']
b = df.loc[df['group'] == 'b', 'x']
result = pd.concat([
pd.Series(np.sum(a.to_numpy() < b.to_numpy()[:, None], axis=0), index=a.index),
pd.Series(np.sum(b.to_numpy() < a.to_numpy()[:, None], axis=0), index=b.index)])
df['result'] = result
x group result
1 1.7 a 4
2 0.0 b 3
3 2.3 b 2
4 2.7 b 2
5 8.6 a 0
6 5.4 b 1
7 4.2 a 2
8 5.7 b 1
uj5u.com熱心網友回復：
一個快速的解決方案是使用 pandas 的DataFrame.apply方法。
df['result'] = df.apply(lambda row: df[(df['group'] != row['group']) & (df['x'] > row['x'])].x.count(), axis=1)
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/409088.html
標籤：
上一篇：提取具有資料框級別的行