python - 在pandas Intervalindex中查找匹配间隔

在0.20中有一个叫做Intervalindexnew的有趣API，它允许您创建一个间隔索引。
给出一些样本数据：

data = [(893.1516130000001, 903.9187099999999),
 (882.384516, 893.1516130000001),
 (817.781935, 828.549032)]

您可以这样创建索引：

idx = pd.IntervalIndex.from_tuples(data)

print(idx)
IntervalIndex([(893.151613, 903.91871], (882.384516, 893.151613], (817.781935, 828.549032]]
              closed='right',
              dtype='interval[float64]')

Intervals的一个有趣属性是，您可以使用in执行间隔检查：

print(y[-1])
Interval(817.78193499999998, 828.54903200000001, closed='right')

print(820 in y[-1])
True

print(1000 in y[-1])
False

我想知道如何将此操作应用于整个索引。例如，给定某个数字，我如何检索该数字所适用的间隔的布尔掩码？
我能想到：

m = [900 in y for y in idx]
print(m)
[True, False, False]

有更好的方法吗？

最佳答案

如果您对性能感兴趣，Intervalindex将针对搜索进行优化。使用.get_loc或.get_indexer会使用内部构建的IntervalTree（如二进制树），它是在第一次使用时构建的。

In [29]: idx = pd.IntervalIndex.from_tuples(data*10000)

In [30]: %timeit -n 1 -r 1 idx.map(lambda x: 900 in x)
92.8 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

In [40]: %timeit -n 1 -r 1 idx.map(lambda x: 900 in x)
42.7 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

# construct tree and search
In [31]: %timeit -n 1 -r 1 idx.get_loc(900)
4.55 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

# subsequently
In [32]: %timeit -n 1 -r 1 idx.get_loc(900)
137 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 1 loop each)

# for a single indexer you can do even better (note that this is
# dipping into the impl a bit
In [27]: %timeit np.arange(len(idx))[(900 > idx.left) & (900 <= idx.right)]
203 µs ± 1.55 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

请注意，.get_Loc（）返回一个索引器（它实际上比布尔数组更有用，但它们可以相互转换）。

In [38]: idx.map(lambda x: 900 in x)
    ...:
Out[38]:
Index([ True, False, False,  True, False, False,  True, False, False,  True,
       ...
       False,  True, False, False,  True, False, False,  True, False, False], dtype='object', length=30000)

In [39]: idx.get_loc(900)
    ...:
Out[39]: array([29997,  9987, 10008, ..., 19992, 19989,     0])

返回布尔数组转换为索引器数组

In [5]: np.arange(len(idx))[idx.map(lambda x: 900 in x).values.astype(bool)]
Out[5]: array([    0,     3,     6, ..., 29991, 29994, 29997])

这是.get_loc（）和.get_indexer（）返回的结果：

In [6]: np.sort(idx.get_loc(900))
Out[6]: array([    0,     3,     6, ..., 29991, 29994, 29997])

关于python - 在pandas Intervalindex中查找匹配间隔，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46364710/