基于整数索引拆分数据帧

Question

在pandas中，如何将Series/dataframe拆分成两个Series /dataframe，其中一个Series中有奇数行，不同Series中有偶数行？现在我正在使用

rng = range(0, n, 2)
odd_rows = df.iloc[rng]

这是相当慢的。

Answer 1

使用切片：

In [11]: s = pd.Series([1,2,3,4])

In [12]: s.iloc[::2]  # even
Out[12]:
0    1
2    3
dtype: int64

In [13]: s.iloc[1::2]  # odd
Out[13]:
1    2
3    4
dtype: int64

Answer 2

下面是一些比较

In [100]: df = DataFrame(randn(100000,10))

简单的方法(但我认为range会使这个过程变慢)，但是不管索引是什么都可以工作(例如，不必是数字索引)

In [96]: %timeit df.iloc[range(0,len(df),2)]
10 loops, best of 3: 21.2 ms per loop

下面的代码需要一个基于范围的Int64Index (这很容易获得，只需要reset_index())。

In [107]: %timeit df.iloc[(df.index % 2).astype(bool)]
100 loops, best of 3: 5.67 ms per loop

In [108]: %timeit df.loc[(df.index % 2).astype(bool)]
100 loops, best of 3: 5.48 ms per loop

确保为其提供索引位置

In [98]: %timeit df.take(df.index % 2)
100 loops, best of 3: 3.06 ms per loop

与上面相同，但没有对负索引进行转换

In [99]: %timeit df.take(df.index % 2,convert=False)
100 loops, best of 3: 2.44 ms per loop

这个获胜者是@AndyHayden soln；这只适用于单一的dtype

In [118]: %timeit DataFrame(df.values[::2],index=df.index[::2])
10000 loops, best of 3: 63.5 us per loop