1

我想用列本身的中值替换列中值以上的所有值。

这是我的数据框:

m = pd.DataFrame({
    'a': xrange(5),
    'b': xrange(5, 10),
    'c': xrange(10,15)})

print m

    a   b   c
0   0   5   10
1   1   6   11
2   2   7   12
3   3   8   13
4   4   9   14

这是我的解决方案:

for col in m.columns:
    quart = m[col].median()
    m[col] = [val if val < quart else quart for val in m[col]]

print m

    a   b   c
0   0   5   10
1   1   6   11
2   2   7   12
3   2   7   12
4   2   7   12

我不熟悉数据框,所以我想知道是否有可能以更“熊猫”的方式或使用一些花哨的线性代数来做到这一点。

预先感谢您的回复。


编辑答案:

以下是分别来自 hurrial 和 chrisb 的解决方案的快速时间:

%timeit m.apply(lambda col: np.where(col.median() < col, col.median(), col))
1000 loops, best of 3: 1.36 ms per loop

%timeit np.minimum(m, m.median())
1000 loops, best of 3: 400 µs per loop

使用 np.minimum 的解决方案似乎更快。

谢谢我今天学到了 2 个强大的东西, np.where 和 np.minimum !

4

2 回答 2

0

有几种不同的方法可以做到这一点。一般来说,使用列表推导式不是表达 pandas 操作的有效方式 - 可以将特定行重写为(请参阅索引文档)。

m.loc[m[col] >= val, col] = quart

但是整个操作可以写在一行中,像这样(导入numpy as np):

In [211]: m = np.minimum(m, m.median())

In [212]: m
Out[212]: 
   a  b   c
0  0  5  10
1  1  6  11
2  2  7  12
3  2  7  12
4  2  7  12
于 2014-08-27T12:10:11.270 回答
0

您可以使用numpy whereapply对 DataFrame 中的所有列执行此操作:

    import numpy as np
    import pandas as pd

    m = pd.DataFrame({
        'a': range(5),
        'b': range(5, 10),
        'c': range(10,15)})

    print(m)
        a   b   c
    0   0   5   10
    1   1   6   11
    2   2   7   12
    3   3   8   13
    4   4   9   14

    m.apply(lambda col: np.where(col.median()>col, col.median(), col))

    print(m)

        a   b   c
    0   2   7   12
    1   2   7   12
    2   2   7   12
    3   3   8   13
    4   4   9   14
于 2014-08-27T12:14:41.150 回答