上a previous question跟进有效的方法,有一个优选的有效的方式,以一列内获得的每个对象的类型?这是专门为在列的dtype
是object
以允许异构类型的列的元素中的情况下(特别地,允许数字NaN
而不改变其他元件的数据类型到float
)。用于获取的elementwise类型在Python /大熊猫
我还没有完成时间基准测试,但是我怀疑以下立即明显的想法(以及可能使用map
或filter
的变体)。感兴趣的用例需要快速获取有关所有元素类型的信息,因此生成器等可能不会成为效率优势。
# df is a pandas DataFrame with some column 'A', such that
# df['A'].dtype is 'object'
dfrm['A'].apply(type) #Or np.dtype, but this will fail for native types.
另一个想法是使用NumPy的vectorize
功能,但是这真的会是更有效率?例如,与上面相同的设置,我可以尝试:
import numpy as np
vtype = np.vectorize(lambda x: type(x)) # Gives error without lambda
vtype(dfrm['A'])
两个想法导致可行的输出,但它是我担心的效率。
新增
我继续做在IPython中一个微小的标杆。首先是vtype
以上,然后是apply
路线。我重复了十几次,这个例子在我的机器上非常典型。
apply()
方法明显胜出,那么是否有充分的理由期望我的效率低于apply()
?
对于vtype()
In [49]: for ii in [100,1000,10000,100000,1000000,10000000]:
....: dfrm = pandas.DataFrame({'A':np.random.rand(ii)})
....: dfrm['A'] = dfrm['A'].astype(object)
....: dfrm['A'][0:-1:2] = None
....: st_time = time.time()
....: tmp = vtype(dfrm['A'])
....: ed_time = time.time()
....: print "%s:\t\t %s"%(ii, ed_time-st_time)
....:
100: 0.0351531505585
1000: 0.000324010848999
10000: 0.00209212303162
100000: 0.0224051475525
1000000: 0.211136102676
10000000: 2.2215731144
对于apply()
In [50]: for ii in [100,1000,10000,100000,1000000,10000000]:
....: dfrm = pandas.DataFrame({'A':np.random.rand(ii)})
....: dfrm['A'] = dfrm['A'].astype(object)
....: dfrm['A'][0:-1:2] = None
....: st_time = time.time()
....: tmp = dfrm['A'].apply(type)
....: ed_time = time.time()
....: print "%s:\t %s"%(ii, ed_time-st_time)
....:
100: 0.000900983810425
1000: 0.000159025192261
10000: 0.00117015838623
100000: 0.0111050605774
1000000: 0.103563070297
10000000: 1.03093600273
小记:'拉姆达X:式(X)'会比简单的慢'type',我想。 – DSM 2012-07-19 03:20:46
是的,的确如此。不需要lambda。编辑。 – ely 2012-07-19 03:23:24
尽管对于我的'vtype'函数,当我没有用lambda定义它时,我得到一个错误。 – ely 2012-07-19 03:26:20