是否可以优化只涉及某些行的 pandas 数据框的更新？

Question

我有一个熊猫数据框。其中一列（我们称之为col1）包含标称值（例如A、B、C 等）。我还有一本将这些标称值映射为数值的字典（例如：my_dict = {'A':3, 'B':1, 'C':1}）。现在我通过以下方式创建一个新列：

df['col2'] = map(my_dict, df['col1'])

现在假设我更改了字典中的一个值。例如C 键现在映射到7 而不是1。我也想分别更新col2。其中一种方法是重新计算所有行。但是，也许有一种方法可以只更改那些需要更改的行。有没有办法做到这一点？

Answer 1

您可以使用loc 并仅更改值1 与映射C 与新映射的字典键C：

import pandas as pd

df = pd.DataFrame(['A','B','A','C','A','B','C','A','C'],columns=['col1'])
my_dict = {'A':3, 'B':1, 'C':1}

# by the way you need lambda with map
%timeit df['col2'] = map(lambda x: my_dict[x], df['col1'])
1000 loops, best of 3: 205 µs per loop

现在将C的my_dict键的值改为7

my_dict = {'A':3, 'B':1, 'C':7}

%timeit df['col2'] = map(lambda x: my_dict[x], df['col1'])
1000 loops, best of 3: 210 µs per loop

%timeit df.loc[df['col1']=='C']['col2'] = my_dict['C']
10 loops, best of 3: 43.7 ms per loop

两者的结果相同

df
  col1  col2
0    A     3
1    B     1
2    A     3
3    C     7
4    A     3
5    B     1
6    C     7
7    A     3
8    C     7

显然在这种情况下使用loc 更有效。