python：从熊猫中的数据框生成的列表比数据框列长得多

Question

此代码应根据 df['a'] 中的值在“cat”列表中的位置生成一个名为“cat_list”的列表。如果 df['a'] 包含 'cat' 列表中不存在的值，则应将 0 附加到 'cat_list'。 'cat_list' 的长度应该是 6，但我不确定为什么它的长度是 18。

import pandas as pd

d = {'a': [0.1, 0.2,0.3,0.4,0.5,0.6], 'b': [0.6, 0.8,0.3,0.4,0.1,0.1],
     'c': [0.7, 0.3,0.9,0.4,1.0,0.2],'d': [1,0,0,1,0,1]}
df = pd.DataFrame(data=d)

cat=[0.6,0.3,0.1]
cat_list=[]
for i in df.a:
    for j in cat:
        if i == j:
            cat_list.append(cat.index(j))
        else:
            cat_list.append(0)

print(cat_list) # should print [2,0,1,0,0,0]
print(len(cat_list)) # should print 6, not 18

Answer 1

对数据帧使用循环通常效率很低。

您可以在“a”列上使用 map 和精心设计的 defaultdict，这将确保在找不到值时映射 0：

from collections import defaultdict
val = defaultdict(lambda :0, zip(cat, range(len(cat))))
df['a'].map(val).tolist()

输出：[2, 0, 1, 0, 0, 0]

或者，您可以使用列表推导和经典字典，使用get 可以在缺少键时设置默认值：

val = dict(zip(cat, range(len(cat))))
[val.get(e, 0) for e in df['a'].values]

使用的字典/默认字典的格式：

>>> val
{0.6: 0, 0.3: 1, 0.1: 2}

Answer 2

在长度方面，您在一个超过 6 个元素的循环内有一个超过 3 个元素的循环。这将产生 6*3=18 个元素。

每次运行的内部循环都附加到 cat_list 中，而不是仅在找到该项目时或未找到时一次。 我相信这就是你想要做的：

import pandas as pd

d = {'a': [0.1, 0.2,0.3,0.4,0.5,0.6], 'b': [0.6, 0.8,0.3,0.4,0.1,0.1],
     'c': [0.7, 0.3,0.9,0.4,1.0,0.2],'d': [1,0,0,1,0,1]}
df = pd.DataFrame(data=d)

cat=[0.6,0.3,0.1]
cat_list=[]
for i in df.a:
    found_in_cat=False
    for j in cat:
        if i == j:
            cat_list.append(cat.index(j))
     if not found_in_cat:
        cat_list.append(0)

print(cat_list) # should print [2,0,1,0,0,0]
print(len(cat_list)) # should print 6, not 18

不过，我会这样写：

import pandas as pd

d = {'a': [0.1, 0.2,0.3,0.4,0.5,0.6], 'b': [0.6, 0.8,0.3,0.4,0.1,0.1],
     'c': [0.7, 0.3,0.9,0.4,1.0,0.2],'d': [1,0,0,1,0,1]}
df = pd.DataFrame(data=d)

cat=[0.6,0.3,0.1]
cat_list=[]
for i in df.a:
    if i in cat:
        cat_list.append(cat.index(i))
    else:
        cat_list.append(0)

print(cat_list) # should print [2,0,1,0,0,0]
print(len(cat_list)) # should print 6, not 18