给定一个Series
,我想有效地计算自更改以来通过了多少次观察。下面是一个简单的示例:
ser = pd.Series([1.2,1.2,1.2,1.2,2,2,2,4,3])
print(ser)
0 1.2
1 1.2
2 1.2
3 1.2
4 2.0
5 2.0
6 2.0
7 4.0
8 3.0
我想将一个函数应用于ser
这将导致:
0 0
1 1
2 2
3 3
4 0
5 1
6 2
7 0
8 0
由于我正在处理大系列,我更喜欢不涉及循环的快速解决方案。谢谢
编辑 如果可能,希望该函数也适用于具有相同值的系列(这只会导致一系列整数增加 1(
这是一个 NumPy 方法 -
def array_cumcount(a):
idx = np.flatnonzero(a[1:] != a[:-1])+1
shift_arr = np.ones(a.size,dtype=int)
shift_arr[0] = 0
if len(idx)>=1:
shift_arr[idx[0]] = -idx[0]+1
shift_arr[idx[1:]] = -idx[1:] + idx[:-1] + 1
return shift_arr.cumsum()
示例运行 -
In [583]: ser = pd.Series([1.2,1.2,1.2,1.2,2,2,2,4,3,3,3,3])
In [584]: array_cumcount(ser.values)
Out[584]: array([0, 1, 2, 3, 0, 1, 2, 0, 0, 1, 2, 3])
运行时测试 -
In [601]: ser = pd.Series(np.random.randint(0,3,(10000)))
# @Psidom's soln
In [602]: %timeit ser.groupby(ser).cumcount()
1000 loops, best of 3: 729 µs per loop
In [603]: %timeit array_cumcount(ser.values)
10000 loops, best of 3: 85.3 µs per loop
In [604]: ser = pd.Series(np.random.randint(0,3,(1000000)))
# @Psidom's soln
In [605]: %timeit ser.groupby(ser).cumcount()
10 loops, best of 3: 30.1 ms per loop
In [606]: %timeit array_cumcount(ser.values)
100 loops, best of 3: 11.7 ms per loop
您可以使用groupby.cumcount
:
ser.groupby(ser).cumcount()
#0 0
#1 1
#2 2
#3 3
#4 0
#5 1
#6 2
#7 0
#8 0
#dtype: int64