附加熊猫系列的有序频率的更快方法答案

【问题标题】：Faster way to append ordered frequencies of pandas series附加熊猫系列的有序频率的更快方法
【发布时间】：2018-10-29 22:49:29
【问题描述】：

我正在尝试列出熊猫系列中每个组中的元素数量。在我的数据框中，我有一个名为 ID 的列，所有值都出现多次。我想制作一个列表，其中包含每个元素出现的频率。

所以列ID的一个例子是[1,2,3,3,3,2,1,5,2,3,1,2,4,3]

这应该会产生[3,4,5,1,1]，因为组 ID 1 出现了 3 次，组 ID 2 出现了 4 次等等。我编写了一个完美的代码：

group_list = df.ID.unique().tolist()
group_size = []

for i in group_list:
    group_size.append(df.ID.value_counts()[i])

问题是它需要很长时间才能完成。我有 500 万行，我让它运行了 50 分钟，但它仍然没有完成！我尝试在前 30-50 行运行它，它按预期工作。

对我来说，简单地使用value_counts(sort=False) 是合乎逻辑的，但它并没有按照它们在我的系列中出现的顺序为我提供组 ID 频率。我也尝试实现扩展，因为我读到它应该更快，但我得到了"numpy.int64 object is not iterable"。

【问题讨论】：

【解决方案1】：

给定一个系列

ser = pd.Series([1,2,3,3,3,2,1,5,2,3,1,2,4,3])

您可以执行以下操作：

ser.value_counts().reindex(ser.unique()).tolist()
Out: [3, 4, 5, 1, 1]

Reindex 将根据 value_counts 项的出现顺序对其进行重新排序。

【讨论】：

这是一个非常有效的解决方案，不到一秒钟！我以前没有使用或听说过 reindex 功能，但它似乎非常有用。感谢您的帮助。
不客气。通常，在使用 pandas 时应避免循环，但代码中的真正问题是您在循环的每次迭代中一次又一次地调用 df.ID.value_counts()。如果您将其保存到变量中，那也可以为您节省一些时间。
啊当然！那是一个愚蠢的错误。我试图通过使用 value_counts 来避免循环，但我不知道如何更正输出的顺序。