深圳企业网站制作公司单位,百度云搜索引擎入口 百度网盘,金华金东区建设局网站,商丘购物网站开发设计Python 进行 DataFrame 数据处理的过程中#xff0c;需要判断某一列中的值#xff08;条件#xff09;#xff0c;然后对其他两列或三列进行求和#xff08;均值/最值#xff09;等运算#xff0c;并把运算结果存储在新的一列中。干说可能觉得比较晕#xff0c;我们来看…Python 进行 DataFrame 数据处理的过程中需要判断某一列中的值条件然后对其他两列或三列进行求和均值/最值等运算并把运算结果存储在新的一列中。干说可能觉得比较晕我们来看一个例子
下表 data_base 中预测区间这一列共有 1/2/3/4 类值现需要生成新列预测概率新列的计算规则为
若预测区间1则求分类概率_1与分类概率_2的均值若预测区间2/3则求分类概率_1与分类概率_2与分类概率_3的均值若预测区间4则为分类概率_1的值需求应该说清楚了下面我们来看看根据上述计算规则传统的代码怎么写。
传统代码思路
iterrows() 遍历 data_base 表使用 for ... if ... elif ...计算预测概率的值
import time
start_1 time.clock()#记录代码开始运行时间data_base[u预测概率_1] 0#赋初始值for index,row in data_base.iterrows():if (row[预测区间] 1):data_base.loc[index, 预测概率_1] ((data_base.loc[index, 分类概率_1] data_base.loc[index, 分类概率_2])/2).astype(float)elif (row[预测区间] 2) | (row[预测区间] 3):data_base.loc[index, 预测概率_1] ((data_base.loc[index, 分类概率_1] data_base.loc[index, 分类概率_2]data_base.loc[index, 分类概率_3])/3).astype(float)elif (row[预测区间] 4):data_base.loc[index, 预测概率_1] ((data_base.loc[index, 分类概率_1])).astype(float)end_1 time.clock()#记录代码结束运行时间
print(Running time: %s Seconds%(end_1-start_1))#输出耗时
输出Running time: 539.8234579883166 Seconds 一万四千行数据运行了将近十分钟........... 下面来看看比他快 6 万倍的代码思路lambda...if...else(if...else...) 定义计算规则然后使用 map() 函数做映射
start_2 time.clock()a data_base[u预测区间].tolist()
x data_base[u分类概率_1].tolist()
y data_base[u分类概率_2].tolist()
z data_base[u分类概率_3].tolist()b list(map(lambda a, x, y, z: (xyz)/3 if (a2)|(a3) else ((xy)/2 if a1 else(x if a4 else 0)),a, x, y, z))
b pd.DataFrame(b, columns[预测概率_2])#转化成dataframe格式
data_base pd.concat([data_base, b[预测概率_2]], axis 1, joinouter, sortFalse)end_2 time.clock()
print(Running time: %s Seconds%(end_2-start_2))
输出Running time: 0.009003164524415297 Seconds
539.823 / 0.009 ~~ 60000 这可不就是快了 6 万倍嘛哈哈...... 下面我们看看求的结果是否一样不管代码快了多少如果算错了那就没有任何意义
data_base_out data_base[[级别, 行业, 年份, 预测区间,分类概率_1, 分类概率_2, 分类概率_3,预测概率_1,预测概率_2]]
data_base_out.head() 对比后两列一致?
抽查一些值根据计算规则手动算一算 对比表中代码给出的值一致?
完美~~~
