df = pd.DataFrame({"col_a": [1,2,3], "col_b": [5,4,0], "col_c": [9,7,6])cols = [["col_a", "col_b"], ["col_c", "col_b"], ["col_a", "col_b"]]
df = pd.DataFrame({"col_a": [1,2,3], "col_b": [5,4,0], "col_c": [9,7,6])
cols = [["col_a", "col_b"], ["col_c", "col_b"], ["col_a", "col_b"]]
字符串预期产出：
[[1,5], [7,4], [3,0]]
型我知道这可以通过使用列表理解来实现，因为我有超过百万条记录，所以我正在寻找更有效的方法。
6kkfgxo01#
您忘记提供的列表解析：
In [27]: [row[1][col].to_list() for row, col in zip(df.iterrows(), cols)]Out[27]: [[1, 5], [7, 4], [3, 0]]
In [27]: [row[1][col].to_list() for row, col in zip(df.iterrows(), cols)]
Out[27]: [[1, 5], [7, 4], [3, 0]]
字符串
bsxbgnwa2#
我不认为你将能够做到这一点，而不迭代的cols变量。尝试这一点-
cols
[df.loc[i,j].tolist() for i,j in enumerate(cols)]
个字符
z18hc3ub3#
您可以将标签Map到索引，然后take_along_axis
take_along_axis
d = {c: i for i,c in enumerate(df.columns)}idx = pd.DataFrame(cols).replace(d).to_numpy()#array([[0, 1],# [2, 1],# [0, 1]])np.take_along_axis(df.to_numpy(), idx, axis=1)#array([[1, 5],# [7, 4],# [3, 0]])
d = {c: i for i,c in enumerate(df.columns)}
idx = pd.DataFrame(cols).replace(d).to_numpy()
#array([[0, 1],
# [2, 1],
# [0, 1]])
np.take_along_axis(df.to_numpy(), idx, axis=1)
#array([[1, 5],
# [7, 4],
# [3, 0]])
3条答案
按热度按时间6kkfgxo01#
您忘记提供的列表解析：
字符串
bsxbgnwa2#
我不认为你将能够做到这一点，而不迭代的
cols变量。尝试这一点-个字符
z18hc3ub3#
您可以将标签Map到索引，然后
take_along_axis字符串