Pandas DataFrame проверяет, существует ли значение столбца в группе столбцов

У меня такой DataFrame (упрощенный пример)

id  v0  v1  v2  v3  v4
1   10  5   10  22  50
2   22  23  55  60  50
3   8   2   40  80  110
4   15  15  25  100 101

И хотел бы создать дополнительный столбец, который равен либо 1, либо 0. 1, если значение v0 находится в значениях от v1 до v4 и 0, если это не так. Итак, в этом примере для id 1 тогда значение должно быть 1 (так как v2 = 10), а для id 2 значение должно быть 0, так как 22 не находится в v1 до v4.

В действительности таблица намного больше (около 100 000 строк и переменных идут от v1 до v99).

ОТВЕТЫ

Ответ 1

Вы можете использовать базовые массивы numpy для производительности:

Настроить

a = df.v0.values
b = df.iloc[:, 2:].values

df.assign(out=(a[:, None]==b).any(1).astype(int))


   id  v0  v1  v2   v3   v4  out
0   1  10   5  10   22   50    1
1   2  22  23  55   60   50    0
2   3   8   2  40   80  110    0
3   4  15  15  25  100  101    1

Это решение использует широковещательную рассылку для обеспечения парного сравнения:

Во- первых, мы транслируем: a

>>> a[:, None]
array([[10],
       [22],
       [ 8],
       [15]], dtype=int64)

Который допускает попарное сравнение с b:

>>> a[:, None] == b
array([[False,  True, False, False],
       [False, False, False, False],
       [False, False, False, False],
       [ True, False, False, False]])

Затем мы просто проверяем любые True результаты вдоль первой оси и преобразуем их в целое.

Спектакль

функции

def user_chris(df):
    a = df.v0.values
    b = df.iloc[:, 2:].values
    return (a[:, None]==b).any(1).astype(int)

def rahlf23(df):
    df = df.set_index('id')
    return df.drop('v0', 1).isin(df['v0']).any(1).astype(int)

def chris_a(df):
    return df.loc[:, "v1":].eq(df['v0'], 0).any(1).astype(int)

def chris(df):
    return df.apply(lambda x: int(x['v0'] in x.values[2:]), axis=1)

def anton_vbr(df):
    df.set_index('id', inplace=True)
    return df.isin(df.pop('v0')).any(1).astype(int)

Настроить

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from timeit import timeit

res = pd.DataFrame(
       index=['user_chris', 'rahlf23', 'chris_a', 'chris', 'anton_vbr'],
       columns=[10, 50, 100, 500, 1000, 5000],
       dtype=float
)

for f in res.index:
    for c in res.columns:
        vals = np.random.randint(1, 100, (c, c))
        vals = np.column_stack((np.arange(vals.shape[0]), vals))
        df = pd.DataFrame(vals, columns=['id'] + [f'v{i}' for i in range(0, vals.shape[0])])
        stmt = '{}(df)'.format(f)
        setp = 'from __main__ import df, {}'.format(f)
        res.at[f, c] = timeit(stmt, setp, number=50)

ax = res.div(res.min()).T.plot(loglog=True)
ax.set_xlabel("N");
ax.set_ylabel("time (relative)");

plt.show()

Выход

enter image description here

Ответ 2

Как насчет:

df['new_col'] = df.loc[:, "v1":].eq(df['v0'],0).any(1).astype(int)

[из]

   id  v0  v1  v2   v3   v4  new_col
0   1  10   5  10   22   50        1
1   2  22  23  55   60   50        0
2   3   8   2  40   80  110        0
3   4  15  15  25  100  101        1

Ответ 3

Я предполагаю, что здесь id будет вашим индексом dataframe:

df = df.set_index('id')

Тогда должно работать следующее (аналогичный ответ здесь):

df['New'] = df.drop('v0', 1).isin(df['v0']).any(1).astype(int)

дает:

    v0  v1  v2   v3   v4  New
id                           
1   10   5  10   22   50    1
2   22  23  55   60   50    0
3    8   2  40   80  110    0
4   15  15  25  100  101    1

Ответ 4

Вы также можете использовать лямбда-функцию:

df['newCol'] = df.apply(lambda x: int(x['v0'] in x.values[2:]), axis=1)

    id  v0  v1  v2  v3  v4  newCol
0   1   10  5   10  22  50  1
1   2   22  23  55  60  50  0
2   3   8   2   40  80  110 0
3   4   15  15  25  100 101 1

Ответ 5

Другой вариант, скорее всего, самый маленький синтаксис:

df['new'] = df.isin(df.pop('v0')).any(1).astype(int)

Полное доказательство:

import pandas as pd

data = '''\
id  v0  v1  v2  v3  v4
1   10  5   10  22  50
2   22  23  55  60  50
3   8   2   40  80  110
4   15  15  25  100 101'''

df = pd.read_csv(pd.compat.StringIO(data), sep='\s+')
df.set_index('id', inplace=True)
df['new'] = df.isin(df.pop('v0')).any(1).astype(int)
print(df)

Возвращает:

    v1  v2   v3   v4  new
id                       
1    5  10   22   50    1
2   23  55   60   50    0
3    2  40   80  110    0
4   15  25  100  101    1