使用列名和行索引从熊猫数据框中选择值的正确方法是什么？

Question

使用列名和行索引（我的意思是行号）从 pandas 数据框中选择值的最有效方法是什么？

我有一种情况，我必须遍历行：

我有一个可行的解决方案：

i = 0
while i < len(dataset) -1:
    if dataset.target[i] == 1:
        dataset.sum_lost[i] = dataset['to_be_repaid_principal'][i] + dataset['to_be_repaid_interest'][i]
        dataset.ratio_lost[i] = dataset.sum_lost[i] / dataset['expected_returned_sum'][i]
    else:
        dataset.sum_lost[i] = 0
        dataset.ratio_lost[i]= 0
    i += 1   

但是这个解决方案需要大量的 RAM。我还收到以下警告：

“正在尝试在 DataFrame 中的切片副本上设置值。”

所以我想再想一个：

i = 0
while i < len(dataset) -1:
    if dataset.iloc[i, :].loc['target'] == 1:
        dataset.iloc[i, :].loc['sum_lost'] = dataset.iloc[i, :].loc['to_be_repaid_principal'] + dataset.iloc[i, :].loc['to_be_repaid_interest']
        dataset.iloc[i, :].loc['ratio_lost'] = dataset.iloc[i, :].loc['sum_lost'] / dataset.iloc[i, :].loc['expected_returned_sum']
    else:
        dataset.iloc[i, :].loc['sum_lost'] = 0
        dataset.iloc[i, :].loc['ratio_lost'] = 0
    i += 1

但它不起作用。 我想提出一个更快/更少内存消耗的解决方案，因为这实际上是几个用户可以同时使用的网络应用程序。

非常感谢。

Answer 1

如果您正在考虑“循环遍历行”，那么您没有正确使用 pandas。您应该考虑列的术语。

使用矢量化的np.where（阅读：快速）：

cond = dataset['target'] == 1
dataset['sumlost'] = np.where(cond, dataset['to_be_repaid_principal'] + dataset['to_be_repaid_interest'], 0)
dataset['ratio_lost'] = np.where(cond, dataset['sumlost'] / dataset['expected_returned_sum'], 0)