如何在熊猫系列中获得最接近零的 n 个值？答案

【问题标题】：How can I get the n closest to zero values in a pandas Series?如何在熊猫系列中获得最接近零的 n 个值？
【发布时间】：2020-08-07 20:45:41
【问题描述】：

我怎样才能得到最接近0 的n 值，类似于我用nsmallest() 得到n 最小值的方法。例如。与

series = pd.Series([-1.0,-0.75,-0.5,-0.25,0.25,0.5,0.75,1.0])
series

0   -1.00
1   -0.75
2   -0.50
3   -0.25
4    0.25
5    0.50
6    0.75
7    1.00
dtype: float64

例如n=4我想得到以下内容。

0   -0.25
1   0.25
2   -0.50
3   0.50
dtype: float64

【问题讨论】：

标签： python python-3.x pandas series

【解决方案1】：

使用loc、abs 和nsmallest：

series.loc[series.abs().nsmallest(4).index]

3   -0.25
4    0.25
2   -0.50
5    0.50
dtype: float64

【讨论】：

【解决方案2】：

使用Series.abs 和Series.argsort 作为职位，过滤n 并通过Series.iloc 选择（如果性能很重要）：

n = 4
series = series.iloc[series.abs().argsort()[:n]]
print (series)
3   -0.25
4    0.25
2   -0.50
5    0.50
dtype: float64

最后一个如果需要默认索引：

n = 4
series = series.iloc[series.abs().argsort()[:n]].reset_index(drop=True)
print (series)
0   -0.25
1    0.25
2   -0.50
3    0.50
dtype: float64

性能：

series = pd.Series([-1.0,-0.75,-0.5,-0.25,0.25,0.5,0.75,1.0] * 10000)

n = 4000
series = series.iloc[series.abs().argsort()[:n]]
print (series)

In [114]: %timeit series.iloc[series.abs().argsort()[:n]]
794 µs ± 19.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [115]: %timeit series.loc[series.abs().nsmallest(n).index]
2.09 ms ± 34.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

【讨论】：

我更喜欢二凡的series.abs().nsmallest(4)方式。
@thinwybk - 好的，只注意重复索引，然后二凡解决方案失败。