填充转发条件结果

Question

我有一个DataFrame列A和B。现在我想产生列C这样的：

 A B C 
index 
1  0 50 NaN 
2  1 60 60 
3  0 40 60 
4  0 30 60 
5  1 40 40 

C获得此行中，如果A==1的的B值。然后这个值保存在下一行，直到下一次A==1。我如何以矢量化的方式做到这一点？

Answer 1

可以选择B的值，其中A == 1，然后填充正向：

a = pd.DataFrame({"A":[0,1,0,0,1], "B":[50,60,40,30,40]}, index=[1,2,3,4,5]) 
a["C"] = a.B[a.A == 1] 
a = a.fillna(method="ffill") 

的ffill方法向前传播的最后一个有效观察填写的NaN。有关更多信息，请参阅http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.fillna.html。

这给出：

A B C 
1 0 50 NaN 
2 1 60 60 
3 0 40 60 
4 0 30 60 
5 1 40 40 

Answer 2

替代方法中，一衬垫，这似乎是位更快：

In [301]: df['C'] = pd.Series(np.where(df.A==1, df.B, np.nan), index=df.index).ffill() 

In [302]: df 
Out[302]: 
    A B  C 
1 0 50 NaN 
2 1 60 60.0 
3 0 40 60.0 
4 0 30 60.0 
5 1 40 40.0 

设置500K行DF：

In [310]: %paste 
def method1(a): 
    a["C"] = a.B[a.A == 1] 
    return a.fillna(method="ffill") 

def method2(df): 
    df['C'] = pd.Series(np.where(df.A==1, df.B, np.nan), index=df.index).ffill() 
    return df 
## -- End pasted text -- 

df = pd.concat([df] * 10**5, ignore_index=True) 

In [313]: df.shape 
Out[313]: (500000, 2) 

定时：

In [311]: %timeit method1(df) 
10 loops, best of 3: 95.3 ms per loop 

In [312]: %timeit method2(df) 
100 loops, best of 3: 17.8 ms per loop 

有趣，我认为@海鲈鱼的方法应该是快，但显然这不是......