如何在Python中尽可能节省时间地将一个有条件的、基于列表的列添加到我的pandas Dataframe中

Question

我有一个pandas DataFrame，它有110多万行。

我的代码需要实现以下功能：

给定一个id列表，比如：

ids = [1, 5, 8, 46, 55, 57, 143, 1003, 1564, ..., ]

和我的大熊猫DataFrame，它包含一个id值为的列

df = pd.DataFrame({"id": [1, 2, 3, 4, 5, 6, 7, 8, 9, ... , 1000000],
"some_value": ["a", "b", "a", "c", "c", "a", "a", "d", "f", ... , "a"],
"another_value": ["x", "y", "x", "z", "q", "x", "x", "x", "z", ... , "y"]
})

(如果有帮助的话，DataFrame是沿着id列排序的(

如果ids中存在id值，则我想添加一个包含True的布尔列selected，否则为False。结果DataFrame的列selected应如下所示：

[True, False, False, False, True, False, False, True, False, ... ]

目前我是这样实现的：

df["selected"] = False
for i in segment_ids:
df.loc[df["id"] == i, "selected"] = True

它的工作原理很有魅力，但对于我的110万行DataFrame，代码运行大约需要20分钟，这非常不方便。

如何以最不耗时的方式实现我的目标？理想情况下，我希望它只运行几分钟，但我不知道这是否可能。

Answer 1

解决方案是使用

df["selected"] = df['id'].isin(ids)