-1

有一个包含 A 和 B 列的 DF，我想添加额外的 C 列，其中包括每行 A 和 B 值的组合。即，如果我有一个 DF：

   A B 
0  1 1
1  1 2
2  2 1
3  2 2

我想创建：

   A B C
0  1 1 1_1
1  1 2 1_2
2  2 1 2_1
3  2 2 1_2

显然，我可以遍历 DF 的所有行并合并这些值。这对于大桌子来说非常慢。我也可以.unique()用于列 A 和 B 并遍历所有组合，分别创建向量col1_un和col2_un，然后使用类似的东西更新表中的相关索引

    cols_2_merge = ['A','B']
    col1_un = DF[cols_2_merge[0]].unique()
    col2_un = DF[cols_2_merge[1]].unique()
    for i in range(len(col1_un)):
        try:
            ind1 = np.where(DF[cols_2_merge[0]].str.contains(col1_un[i], na=False))[0]
        except:
            ind1 = np.where(DF[cols_2_merge[0]] == col1_un[i])[0]
        for j in range(len(col2_un)):
            try:
                ind2 = np.where(DF[cols_2_merge[1]].str.contains(col2_un[j], na=False))[0]
            except:
                ind2 = np.where(DF[cols_2_merge[1]] == col2_un[j])[0]

            new_ind = col1_un[i] + '-' + col2_un[j]
            tmp_ind = np.in1d(ind1, ind2)
            ind = ind1[tmp_ind]
            if len(ind) > 0:
                DF[new_col_name][ind] = new_ind

这仍然很慢。我可以更多地使用它，而不是搜索整个 DF，而是将搜索字段减少到迄今为止未更改的索引。仍然很慢。

有一个 group by 选项正是我想要的，找到两列的所有唯一组合对，它相对较快，但我还没有弄清楚如何访问每个组的原始 DF 的索引。请帮忙？

4

2 回答 2

2

您可以在不使用 groupby 的情况下做到这一点，只需使用字符串+表示连接的事实，并且 pandas 在系列上按元素执行此操作：

df['C'] = df['A'].astype(str) + '_' + df['B'].astype(str)
于 2015-03-16T08:40:01.250 回答
0

@joris - 非常感谢。当然，它确实有效！快，我需要添加:-)

对于更复杂的基于组的组合，可以使用

GB = DF[cols_2_merge].groupby(cols_2_merge)
for i in GB.groups:
    DO WHATEVER YOU WANT...

再次感谢！

于 2015-03-16T08:24:35.243 回答