Pandas：迭代循环的替代方案答案

【问题标题】：Pandas: Alternative to iterrow loopsPandas：迭代循环的替代方案
【发布时间】：2018-06-06 09:52:53
【问题描述】：

我在 pandas 中运行了一个小函数，当我运行 if x in y 语句时会引发 ValueError。我看到推荐布尔索引、.isin() 和where() 的类似问题，但我无法根据我的情况调整任何示例。任何建议将不胜感激。

附加说明：groups 是包含数据框之外的字符串的列表列表。我使用该函数的目标是查看数据框中的项目在哪个列表中，然后返回该列表的索引。我在下面的笔记本链接中的第一个版本使用iterrows 循环遍历数据帧，但我知道在大多数情况下这是次优的。

带有一些虚假数据的 Jupyter 笔记本：https://github.com/amoebahlan61/sturdy-chainsaw/blob/master/Grouping%20Test_1.1.ipynb

谢谢！

代码：

def groupFinder(item):
    for group in groups:
        if item in group:
            return groups.index(group)

df['groupID2'] = groupFinder(df['item'])


---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-16-808ac3e51e1f> in <module>()
      4             return groups.index(group)
      5 
----> 6 df['groupID2'] = groupFinder(df['item'])

<ipython-input-16-808ac3e51e1f> in groupFinder(item)
      1 def groupFinder(item):
      2     for group in groups:
----> 3         if item in group:
      4             return groups.index(group)
      5 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\core\generic.py in __nonzero__(self)
    953         raise ValueError("The truth value of a {0} is ambiguous. "
    954                          "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
--> 955                          .format(self.__class__.__name__))
    956 
    957     __bool__ = __nonzero__

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

解决方案 我遇到了一些 pandas 的博客文章，还从 reddit 用户那里得到了一些反馈，这给了我一个解决方案，通过使用 pandas 的 apply 函数跳过使用 iterrows。

df['groupID2'] = df.item.apply(groupFinder)

感谢大家的帮助和回复。

【问题讨论】：

一般来说，在问题中包含指向数据的链接并不是一个好主意 - 链接可能会失效，一方面，另一方面，它更难帮助您。在这种情况下，单击您的链接 also 不会转到您的笔记本（尽管将 URL 字符串复制到浏览器中有效）。为了其他可能使用您的问题作为参考的人的利益，请考虑将您的示例数据和设置移动到您的帖子文本中，作为Minimal, Complete, and Verifiable Example。
@andrew_reece 感谢您提出问题和代码礼仪。我一定会继续使用它。

标签： python pandas numpy dataframe

【解决方案1】：

使用isin的方法是先调用Series.isin(...)产生一个布尔掩码，然后使用这个掩码进行索引。或者，要在列表而不是系列上使用您的函数，您可以调用 groupFinder(df['item'].values)。

【讨论】：

【解决方案2】：

IIUC，您可以使用 Pandas 只需几行代码即可完成您想要的操作：

import pandas as pd

# create master list of items
master = pd.Series(legumesGroup + herbGroup + radishGroup)

# assign group id as index
master.index = [0]*len(legumesGroup) + [1]*len(herbGroup) + [2]*len(radishGroup)

# sample from master with replacement to get itemList
itemList = master.sample(n=1000, replace=True)

现在要获取 itemList 中的每个项目所在的组，请调用 itemList 以查看组 ID 和项目，或者直接调用 itemList.index。

itemList.head()

输出：

2        Horseradish
2           Rutabaga
2             Turnip
0          Chickpeas
0        Pinto beans

【讨论】：

这是一个非常有趣的解决方案。我不会考虑为组项添加索引值。谢谢！

【解决方案3】：

解决方案

我看到了一些 pandas 的博客文章，并且还从一个 reddit 用户那里得到了一些反馈，这给了我一个解决方案，通过使用 pandas 的 apply 函数来跳过使用 iterrows。

df['groupID2'] = df.item.apply(groupFinder)

感谢大家的帮助和回复。

【讨论】：