加速数据循环

Question

我在一只熊猫上运行两个不同但非常相似的循环，我想知道是否有某种群组操作可以让我通过避免循环来加快速度。

for x in df.var1:
    df[df.var1==x, 'var2'] = np.max(df[df.var1==x, 'var2'])

也就是说，考虑到有多个具有相同var1值的行，我希望将所有这些行的var2值设置为var2对所有这些行获得的最大值。

我觉得我应该能够在不使用for循环的情况下做到这一点，但出于某种原因，我不知道如何做到这一点。想法？

Answer 1

看起来，您希望用该列中的最大值替换一列，并按另一列中的值分组。您应该能够使用groupby()和transform(max)来获得所需的东西：

>>> import pandas as pd
>>> df = pd.DataFrame({"var1": [1, 1, 2, 2, 3, 3], 'var2': [1, 2, 3, 4, 5, 6]})
>>> df
   var1  var2
0     1     1
1     1     2
2     2     3
3     2     4
4     3     5
5     3     6
>>> df['var2'] = df.groupby('var1').transform(max)
>>> df
   var1  var2
0     1     2
1     1     2
2     2     4
3     2     4
4     3     6
5     3     6