নীচের লাইনের সাথে আমার একটি ডেটাফ্রেম রয়েছে:
Type Set
1 A Z
2 B Z
3 B X
4 C Yআমি ডেটাফ্রেমে একই দৈর্ঘ্যের ডেটাফ্রেমে (বা একটি সিরিজ উত্পন্ন করতে) একটি অন্য কলাম যুক্ত করতে চাই (= সমান সংখ্যক রেকর্ড / সারি) যা সেট = 'জেড' হলে একটি বর্ণ সবুজ এবং সেট = অন্যথায় যদি 'লাল' সেট করে থাকে ।
এটি করার সর্বোত্তম উপায় কী?
উত্তর:
আপনার যদি কেবল দুটি পছন্দ থেকে নির্বাচন করতে হয়:
df['color'] = np.where(df['Set']=='Z', 'green', 'red')উদাহরণ স্বরূপ,
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
df['color'] = np.where(df['Set']=='Z', 'green', 'red')
print(df)উৎপাদনের
Set Type color
0 Z A green
1 Z B green
2 X B red
3 Y C redআপনার যদি দুটিরও বেশি শর্ত থাকে তবে ব্যবহার করুনnp.select । উদাহরণস্বরূপ, যদি আপনি চান তাহলে colorহতে
yellow কখন (df['Set'] == 'Z') & (df['Type'] == 'A')blueযখন(df['Set'] == 'Z') & (df['Type'] == 'B') purpleযখন(df['Type'] == 'B')black,তারপরে ব্যবহার করুন
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
conditions = [
(df['Set'] == 'Z') & (df['Type'] == 'A'),
(df['Set'] == 'Z') & (df['Type'] == 'B'),
(df['Type'] == 'B')]
choices = ['yellow', 'blue', 'purple']
df['color'] = np.select(conditions, choices, default='black')
print(df)যা ফলন দেয়
Set Type color
0 Z A yellow
1 Z B blue
2 X B purple
3 Y C blackdf['foo'] = np.where(df['Set']=='Z', df['Set'], df['Type'].shift(1))
শর্তসাপেক্ষে আরেকটি কলাম তৈরি করার জন্য তালিকার বোধগম্যতা way যদি আপনি উদাহরণস্বরূপ কলামগুলিতে অবজেক্ট ডাইটিপসের সাথে কাজ করে থাকেন তবে তালিকা বোধগম্যতা সাধারণত বেশিরভাগ অন্যান্য পদ্ধতিকে ছাড়িয়ে যায়।
উদাহরণ তালিকা অনুধাবন:
df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]% টাইমিট পরীক্ষা:
import pandas as pd
import numpy as np
df = pd.DataFrame({'Type':list('ABBC'), 'Set':list('ZZXY')})
%timeit df['color'] = ['red' if x == 'Z' else 'green' for x in df['Set']]
%timeit df['color'] = np.where(df['Set']=='Z', 'green', 'red')
%timeit df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')
1000 loops, best of 3: 239 µs per loop
1000 loops, best of 3: 523 µs per loop
1000 loops, best of 3: 263 µs per looppd.DataFrame({'Type':list('ABBC')*100000, 'Set':list('ZZXY')*100000})), numpy.whereআউটপেসগুলি সহ map, তবে তালিকাটি বোঝার বিষয়টি কিং (প্রায় 50% এর চেয়ে দ্রুত numpy.where)।
df['color'] = ['red' if (x['Set'] == 'Z') & (x['Type'] == 'B') else 'green' for x in df]
df['color_type'] = np.where(df['Set']=='Z', 'green', df['Type'])
.iterrows()কুখ্যাতিজনকভাবে সুগঠিত এবং ডেটারফ্রেমে পুনরাবৃত্তি করার সময় পরিবর্তন করা উচিত নয়।
এটি অর্জন করা যেতে পারে এমন আরও একটি উপায়
df['color'] = df.Set.map( lambda x: 'red' if x == 'Z' else 'green')তালিকার কীগুলিতে নতুন মানচিত্রের মানচিত্র তৈরি করার জন্য একটি অভিধান ব্যবহার করে এই বিড়ালটিকে ত্বকের আরও একটি উপায় দেওয়া হয়েছে:
def map_values(row, values_dict):
return values_dict[row]
values_dict = {'A': 1, 'B': 2, 'C': 3, 'D': 4}
df = pd.DataFrame({'INDICATOR': ['A', 'B', 'C', 'D'], 'VALUE': [10, 9, 8, 7]})
df['NEW_VALUE'] = df['INDICATOR'].apply(map_values, args = (values_dict,))এটি দেখতে কেমন দেখাচ্ছে:
df
Out[2]:
INDICATOR VALUE NEW_VALUE
0 A 10 1
1 B 9 2
2 C 8 3
3 D 7 4আপনার কাছে অনেকগুলি ifelseটাইপ স্টেটমেন্ট (যেমন প্রতিস্থাপনের জন্য অনেকগুলি অনন্য মান) থাকবে যখন এই পদ্ধতিটি খুব শক্তিশালী হতে পারে ।
এবং অবশ্যই আপনি সর্বদা এটি করতে পারেন:
df['NEW_VALUE'] = df['INDICATOR'].map(values_dict)তবে applyআমার মেশিনে উপরের পদ্ধতির চেয়ে সেই পদ্ধতির চেয়ে তিনগুণ বেশি ধীর ।
এবং আপনি এটি ব্যবহার করেও করতে পারেন dict.get:
df['NEW_VALUE'] = [values_dict.get(v, None) for v in df['INDICATOR']].map()সমাধানটি 10 গুনের চেয়ে 10 গুণ বেশি দ্রুত .apply()।
.apply()47 সেকেন্ড নেয়, কেবল 5.91 সেকেন্ডের তুলনায় .map()।
এখানে সময় নির্ধারণের চেয়ে নীচেরটি ধীর গতির , তবে আমরা একাধিক কলামের সামগ্রীর উপর ভিত্তি করে অতিরিক্ত কলামটি গণনা করতে পারি এবং অতিরিক্ত কলামের জন্য দুটিরও বেশি মান গণনা করা যায়।
কেবল "সেট" কলামটি ব্যবহার করে সাধারণ উদাহরণ:
def set_color(row):
if row["Set"] == "Z":
return "red"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C greenঅ্যাকাউন্টে নেওয়া আরও রঙ এবং আরও কলামগুলির উদাহরণ:
def set_color(row):
if row["Set"] == "Z":
return "red"
elif row["Type"] == "C":
return "blue"
else:
return "green"
df = df.assign(color=df.apply(set_color, axis=1))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C blueএই ধরণের জিনিসগুলি করার জন্য প্লাইটাটা ব্যবহার করাও সম্ভব (এটি ব্যবহারের চেয়েও ধীর বলে মনে হয় assignএবং apply)।
from plydata import define, if_elseসাধারণ if_else:
df = define(df, color=if_else('Set=="Z"', '"red"', '"green"'))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B green
3 Y C greenবাসিন্দা if_else:
df = define(df, color=if_else(
'Set=="Z"',
'"red"',
if_else('Type=="C"', '"green"', '"blue"')))
print(df) Set Type color
0 Z A red
1 Z B red
2 X B blue
3 Y C greenপান্ডাদের নতুন আপডেটের মাধ্যমে এটি সম্ভবত সম্ভব হয়েছে, তবে আমি মনে করি যে এখন পর্যন্ত নীচের প্রশ্নের সংক্ষিপ্ত এবং সম্ভবত সেরা উত্তর। আপনি এই .locপদ্ধতিটি ব্যবহার করতে পারেন এবং আপনার প্রয়োজনের উপর নির্ভর করে একটি শর্ত বা কয়েকটি ব্যবহার করতে পারেন।
কোড সংক্ষিপ্তসার:
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
df['Color'] = "red"
df.loc[(df['Set']=="Z"), 'Color'] = "green"
#practice!
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"
ব্যাখ্যা:
df=pd.DataFrame(dict(Type='A B B C'.split(), Set='Z Z X Y'.split()))
# df so far:
Type Set
0 A Z
1 B Z
2 B X
3 C Yএকটি 'রঙ' কলাম যুক্ত করুন এবং সমস্ত মানকে "লাল" তে সেট করুন
df['Color'] = "red"আপনার একক শর্ত প্রয়োগ করুন:
df.loc[(df['Set']=="Z"), 'Color'] = "green"
# df:
Type Set Color
0 A Z green
1 B Z green
2 B X red
3 C Y redবা একাধিক শর্ত যদি আপনি চান:
df.loc[(df['Set']=="Z")&(df['Type']=="B")|(df['Type']=="C"), 'Color'] = "purple"আপনি পান্ডাস লজিকাল অপারেটর এবং শর্তসাপেক্ষ নির্বাচনের উপর পড়তে পারেন: পান্ডসে বুলিয়ান ইনডেক্সিংয়ের জন্য লজিকাল অপারেটরগুলি
df.loc[(df['Set']=="Z") & (df['Type']=="A"), 'Color'] = "green"
.apply()পদ্ধতি সহ একটি লাইনার নিম্নলিখিত:
df['color'] = df['Set'].apply(lambda set_: 'green' if set_=='Z' else 'red')এর পরে, dfডেটা ফ্রেমটি এমন দেখাচ্ছে:
>>> print(df)
Type Set color
0 A Z green
1 B Z green
2 B X red
3 C Y redআপনি যদি বিশাল ডেটা নিয়ে কাজ করছেন তবে একটি মেমোজাইজড পদ্ধতির সেরা হবে:
# First create a dictionary of manually stored values
color_dict = {'Z':'red'}
# Second, build a dictionary of "other" values
color_dict_other = {x:'green' for x in df['Set'].unique() if x not in color_dict.keys()}
# Next, merge the two
color_dict.update(color_dict_other)
# Finally, map it to your column
df['color'] = df['Set'].map(color_dict)আপনার কাছে বহুবার পুনরাবৃত্তি হওয়া মানগুলি এই পদ্ধতির দ্রুত হবে will আমার সাধারণ থাম্বের নিয়মটি স্মরণ করতে হয় যখন: data_size> 10**4& n_distinct<data_size/4
প্রাক্তন 2,500 বা তার চেয়ে কম স্বতন্ত্র মান সহ 10,000 সারি ক্ষেত্রে স্মৃতিচারণ করুন।
random.choices()।