Starting with Pandas version 0.22,也存在于apply
替代:pipe
,这可以大大快于使用apply
(你也可以检查this question以获得两种功能之间的更多差异)。
对于示例:
df = pd.DataFrame({"my_label": ['A','B','A','C','D','D','E']})
my_label
0 A
1 B
2 A
3 C
4 D
5 D
6 E
的apply
版本
df.groupby('my_label').apply(lambda grp: grp.count()/df.shape[0])
给
my_label
my_label
A 0.285714
B 0.142857
C 0.142857
D 0.285714
E 0.142857
和pipe
版本
df.groupby('my_label').pipe(lambda grp: grp.size()/grp.size().sum())
产生
my_label
A 0.285714
B 0.142857
C 0.142857
D 0.285714
E 0.142857
所以值是相同的,然而,定时相差相当多(至少对于这个小数据帧):
%timeit df.groupby('my_label').apply(lambda grp: grp.count()/df.shape[0])
100 loops, best of 3: 5.52 ms per loop
和
%timeit df.groupby('my_label').pipe(lambda grp: grp.size()/grp.size().sum())
1000 loops, best of 3: 843 µs per loop
将它包装成功能也很简单:
def get_perc(grp_obj):
gr_size = grp_obj.size()
return gr_size/gr_size.sum()
现在,您可以拨打
df.groupby('my_label').pipe(get_perc)
产生
my_label
A 0.285714
B 0.142857
C 0.142857
D 0.285714
E 0.142857
然而,对于这种特殊情况下,你甚至不需要一个groupby
,但你可以只使用value_counts
这样的:
df['my_label'].value_counts(sort=False)/df.shape[0]
收益率
A 0.285714
C 0.142857
B 0.142857
E 0.142857
D 0.285714
Name: my_label, dtype: float64
对于这个小数据帧是
%timeit df['my_label'].value_counts(sort=False)/df.shape[0]
1000 loops, best of 3: 770 µs per loop
你也可以使用'HISTO = gg.size()'为简单起见相当快 – Reservedegotist 2013-03-13 01:13:51