如何映射到熊猫中一列列表中的值
我有以下场景。
import pandas as pd
d = {'col1': [1, 2, 3], 'col2': [['apple'], [], ['romaine', 'potatoes']}
df = pd.DataFrame(data=d)
所以数据框是：
col1 col2
0 1 [apple]
1 2 []
2 3 [romaine, potatoes]
我还有一本字典：
my_dict = {"apple" : "fruit", "potatoes" : "vegetable", "romaine" : "lettuce"}
我想创建另一列“col3”，它将包含上面 my_dict 中的值列表：
col1 col2 col3
0 1 [apple] [fruit]
1 2 [] []
2 3 [romaine, potatoes] [lettuce, vegetable]
我想使用apply、map、lambda编写一行代码来实现这一点：
df["col3"] = df.col2.apply(map(lambda x: pass if not x else condition_dict[x]))
我真的被困住了，想知道是否有可能不编写单独的函数然后作为参数传递来应用。
回答
- 对于具有 1M 行的示例数据帧，
.apply使用 alist-comprehension比.explode()使用快约 2.5 倍.groupby()，比使用 快一点（1.15 倍）.map()。- 参见列表理解与地图
- 如果
NaN列中有 a ，则该行必须用 删除.dropna，或者可以用空 填充list。.fillna([])不管用- 用
df.col2 = df.col2.fillna({i: [] for i in df.index})
df['col3'] = df.col2.apply(lambda x: [my_dict.get(v) for v in x])
# display(df)
col1 col2 col3
1 [apple] [fruit]
2 [] []
3 [romaine, potatoes] [lettuce, vegetable]
%timeit 测试
# test data with 1M rows
d = {'col1': [1, 2, 3], 'col2': [['apple'], [], ['romaine', 'potatoes']]}
df = pd.DataFrame(d)
df = pd.concat([df]*333333)
%%timeit
df.col2.apply(lambda x: [my_dict.get(v) for v in x])
[out]:
453 ms ± 30.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
def scott(d, my_dict):
e = d.explode('col2')
e['col3'] = e['col2'].map(my_dict)
return e.groupby('col1', as_index=False)[['col3']].agg(list).merge(d)
%%timeit
scott(df, my_dict)
[out]:
1.17 s ± 23.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%%timeit
df.col2.map(lambda x: list(map(my_dict.get, x)))
[out]:
519 ms ± 16.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%%timeit
df['col2'].explode().map(my_dict).groupby(level=0).agg(list)
[out]:
909 ms ± 8.61 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)