apply vs嵌套for循环

Question

我正在尝试用python构建一个用1和0填充的dataframe，这取决于一列中的数字：

Date        Hour
2005-01-01  1
2005-01-01  2
2005-01-01  3
2005-01-01  4

我想根据"Hour“中的数字创建新的列，如果该行等于"Hour”中的值，则用1填充每列，否则填充0。

Date        Hour HE1 HE2 HE3 HE4
2005-01-01  1    1   0   0   0
2005-01-01  2    0   1   0   0
2005-01-01  3    0   0   1   0
2005-01-01  4    0   0   0   1

我可以用下面的代码做到这一点，但这需要很长时间：

for x in range(1,5):
    _HE = 'HE' + str(x)
    for i in load.index:
        load.at[i, _HE] = 1 if load.at[i,'Hour']==x else 0

我觉得这是一个很棒的.apply()应用程序(没有双关语)，但是我不能让它正常工作。

您将如何加速此过程？

Answer 1

在pandas中，不推荐使用循环，因为如果存在一些向量化的解决方案，速度会很慢。

注意:在函数中，apply也是隐藏在幕后的循环。

因此使用pandas.get_dummies、DataFrame.add_prefix和join来添加到原始df

df = df.join(pd.get_dummies(df['Hour'].astype(str)).add_prefix('HE'))
print (df)
         Date  Hour  HE1  HE2  HE3  HE4
0  2005-01-01     1    1    0    0    0
1  2005-01-01     2    0    1    0    0
2  2005-01-01     3    0    0    1    0
3  2005-01-01     4    0    0    0    1

类似函数具有不同的性能：

df = pd.concat([df] * 1000, ignore_index=True)

In [62]: %timeit df.join(pd.get_dummies(df['Hour'].astype(str)).add_prefix('HE'))
3.54 ms ± 277 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#U9-Forward solution
In [63]: %timeit df.join(df['Hour'].astype(str).str.get_dummies().add_prefix('HE'))
61.6 ms ± 297 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 2

pandas.factorize和数组切片分配

j, h = pd.factorize(df.Hour)
i = np.arange(len(df))

b = np.zeros((len(df), len(h)), dtype=h.dtype)
b[i, j] = 1

df.join(pd.DataFrame(b, df.index, h).add_prefix('HE'))

         Date  Hour  HE1  HE2  HE3  HE4
0  2005-01-01     1    1    0    0    0
1  2005-01-01     2    0    1    0    0
2  2005-01-01     3    0    0    1    0
3  2005-01-01     4    0    0    0    1

Answer 3

尽管它与@jezrael的答案非常相似，但是，这也要好得多(它只是为get_dummies使用了.str访问器

print(df.join(df['Hour'].astype(str).str.get_dummies().add_prefix('HE')))

输出：

         Date  Hour  HE1  HE2  HE3  HE4
0  2005-01-01     1    1    0    0    0
1  2005-01-01     2    0    1    0    0
2  2005-01-01     3    0    0    1    0
3  2005-01-01     4    0    0    0    1