我有一个很大的 df,有 17520 行和 1000 列。 df 只有两个值 [0,0.05]。我想转到值为 0.05 的 df 的每个单元格并将其更改为随机值。随机值只能为0或0.05。
我尝试了以下代码行:
y = np.array([0,0.05])
df.replace(0.05,np.random.choice(y))
但是,它对值为 0.05 的所有单元格执行相同的随机选择,而我希望对值为 0.05 的每个单元格执行不同的随机选择。我尝试了一个 for 循环,但它花费了太多时间,大约 20 分钟。我需要重复这个实验大约 100 次。
出于这个原因,我想知道是否有更有效的方法。
非常感谢您的帮助。
请您参考如下方法:
您可以使用 df.update() 而不是循环像这样,获得 >20 倍的加速:
df = pd.DataFrame(np.random.choice([0, 0.05], size=(4000, 1000)))
%timeit df.update(np.random.choice([0, 0.05], size=df.shape), filter_func=lambda x: x==0.05)
#498 ms ± 19.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
df = pd.DataFrame(np.random.choice([0, 0.05], size=(4000, 1000)))
%timeit df.applymap(lambda x: np.random.choice([0, 0.05]) if x == 0.05 else 0)
#9.66 s ± 634 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
我注意到速度只会随着越来越大的数据帧而增加,但在这里 applymap 已经花费了很长时间,所以我决定不再进一步增加数据帧大小。
工作原理
df = pd.DataFrame(np.random.choice([0, 0.05], size=(1000, 1000)))
print(df.tail(2))
df.update(np.random.choice([0, 0.05], size=df.shape), filter_func=lambda x: x==0.05)
print(df.tail(2))
# 0 1 2 3 4 5 ... 994 995 996 997 998 999
#998 0.00 0.05 0.05 0.0 0.05 0.05 ... 0.0 0.05 0.05 0.05 0.05 0.0
#999 0.05 0.00 0.05 0.0 0.05 0.05 ... 0.0 0.05 0.05 0.05 0.00 0.0
#
#[2 rows x 1000 columns]
# 0 1 2 3 4 5 ... 994 995 996 997 998 999
#998 0.00 0.05 0.00 0.0 0.05 0.05 ... 0.0 0.05 0.05 0.0 0.05 0.0
#999 0.05 0.00 0.05 0.0 0.05 0.00 ... 0.0 0.00 0.05 0.0 0.00 0.0
#
#[2 rows x 1000 columns]
使用 update,您可以更改 DataFrame 中的选定值。要选择值(默认 np.nan),请使用 filter_func= lambda x: x==0.05,然后使用随机选择创建一个与原始 DataFrame 大小相同的 DataFrame来自 [0, 0.05]。然后它从值为 0.05 的原始 DataFrame 中选择值,并将其替换为随机值。
