迭代和应用条件思想数据的快速方法

Question

我有一个大型数据文件，如下所示：

     vehicle id  delta
0            0      0
1            0     20
2            0     40
3            0    400
4            0     10
5            1      0
6            1     10
7            1    500
8            1     10
9            1     10
10           1    100
11           1     10

我想为以trip_1开头的每一种不同的车辆添加一个新的“trip”列，如果增量大于50，那么它将向旅行号添加一个数字，因此结果如下：

      vehicle id  delta   Trip
0            0      0     trip_1
1            0     20     trip_1
2            0     40     trip_1
3            0    400     trip_2
4            0     10     trip_2
5            1      0     trip_1
6            1     10     trip_1
7            1    500     trip_2
8            1     10     trip_2
9            1     10     trip_2
10           1    100     trip_3
11           1     10     trip_3

我正在考虑使用iterrow()，但是我想避免它，因为dataframe是巨大的。有什么建议吗？

Answer 1

试试这个：

df['Trip'] = 'trip_' + df.groupby('id')['delta'].transform(
    lambda grp: np.where(grp > 50, 1, 0).cumsum()+1).apply(str)
print(df)

    vehicle  id  delta    Trip
0         0   0      0  trip_1
1         1   0     20  trip_1
2         2   0     40  trip_1
3         3   0    400  trip_2
4         4   0     10  trip_2
5         5   1      0  trip_1
6         6   1     10  trip_1
7         7   1    500  trip_2
8         8   1     10  trip_2
9         9   1     10  trip_2
10       10   1    100  trip_3
11       11   1     10  trip_3

Answer 2

试着做这样的事情：

df['trip'] = 'Trip_' + df.assign(tripid = (df.groupby('id')['delta'].diff() > 50).cumsum() + 1)\
  .groupby('id')['tripid'].transform(lambda x: x.factorize()[0] + 1).astype(str)

输出：

    vehicle  id  delta    trip
0         0   0      0  Trip_1
1         1   0     20  Trip_1
2         2   0     40  Trip_1
3         3   0    400  Trip_2
4         4   0     10  Trip_2
5         5   1      0  Trip_1
6         6   1     10  Trip_1
7         7   1    500  Trip_2
8         8   1     10  Trip_2
9         9   1     10  Trip_2
10       10   1    100  Trip_3
11       11   1     10  Trip_3

Answer 3

您可以使用np.select，它比循环要快得多

你的例子：

import numpy as np
delta = df["delta"]
condlist = [delta < 50, (delta >50) & (delta <100) , delta >=100]
choicelist = ["trip_1", "trip_2","trip_3"]
df["Trip"] = np.select(condlist, choicelist)

输出

print(df)

      vehicle id  delta   Trip
0            0      0     trip_1
1            0     20     trip_1
2            0     40     trip_1
3            0    400     trip_2
4            0     10     trip_2
5            1      0     trip_1
6            1     10     trip_1
7            1    500     trip_2
8            1     10     trip_2
9            1     10     trip_2
10           1    100     trip_3
11           1     10     trip_3