我有一个对列表——存储在 DataFrame 中——每个对都有一个“a”列和一个“b”列。对于每一对,我想返回具有相同“a”的“b”。例如,给定以下一组对:
a b
0 c d
1 e f
2 c g
3 e h
4 i j
5 e k
我想结束:
a b equivalents
0 c d [g]
1 e f [h, k]
2 c g [d]
3 e h [f, k]
4 i j []
5 e k [h, e]
我可以通过以下方式做到这一点:
def equivalents(x):
l = pairs[pairs["a"] == x["a"]]["b"].tolist()
return l[1:] if l else l
pairs["equivalents"] = pairs.apply(equivalents, axis = 1)
但在较大的数据集上(例如超过 100 万对),它的速度非常慢。有什么建议可以让我更快地做到这一点吗?
请您参考如下方法:
我认为这应该快一点。首先,将它们相加。
df['equiv'] = df.groupby('a')['b'].transform(sum)
a b equiv
0 c d dg
1 e f fhk
2 c g dg
3 e h fhk
4 i j j
5 e k fhk
现在转换为列表并删除 'b' 列中已有的字母。
df.apply( lambda x: [ y for y in list( x.equiv ) if y != x.b ], axis=1 )
0 [g]
1 [h, k]
2 [d]
3 [f, k]
4 []
5 [f, h]
