python - Pandas DataFrame检查列值是否存在列值

我有这样的数据框架（简化示例）

id  v0  v1  v2  v3  v4
1   10  5   10  22  50
2   22  23  55  60  50
3   8   2   40  80  110
4   15  15  25  100 101

并希望创建一个附加列，该列为1或0。如果v0值在v1到v4之间，则为1，否则为0。因此，在这个示例中，对于ID 1，值应该是1（因为V2=10），对于ID 2，值应该是0，因为22不在V1到V4中。
实际上，这个表要大得多（大约100000行，变量从v1到v99）。

最佳答案

您可以使用底层的numpy数组来提高性能：
安装程序

a = df.v0.values
b = df.iloc[:, 2:].values

df.assign(out=(a[:, None]==b).any(1).astype(int))

   id  v0  v1  v2   v3   v4  out
0   1  10   5  10   22   50    1
1   2  22  23  55   60   50    0
2   3   8   2  40   80  110    0
3   4  15  15  25  100  101    1

此解决方案利用广播进行成对比较：
首先，我们广播：

>>> a[:, None]
array([[10],
       [22],
       [ 8],
       [15]], dtype=int64)

它允许与a进行成对比较：

>>> a[:, None] == b
array([[False,  True, False, False],
       [False, False, False, False],
       [False, False, False, False],
       [ True, False, False, False]])

然后我们简单地检查沿第一个轴的任何b结果，并将其转换为整数。
性能
功能

def user_chris(df):
    a = df.v0.values
    b = df.iloc[:, 2:].values
    return (a[:, None]==b).any(1).astype(int)

def rahlf23(df):
    df = df.set_index('id')
    return df.drop('v0', 1).isin(df['v0']).any(1).astype(int)

def chris_a(df):
    return df.loc[:, "v1":].eq(df['v0'], 0).any(1).astype(int)

def chris(df):
    return df.apply(lambda x: int(x['v0'] in x.values[2:]), axis=1)

def anton_vbr(df):
    df.set_index('id', inplace=True)
    return df.isin(df.pop('v0')).any(1).astype(int)

安装程序

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from timeit import timeit

res = pd.DataFrame(
       index=['user_chris', 'rahlf23', 'chris_a', 'chris', 'anton_vbr'],
       columns=[10, 50, 100, 500, 1000, 5000],
       dtype=float
)

for f in res.index:
    for c in res.columns:
        vals = np.random.randint(1, 100, (c, c))
        vals = np.column_stack((np.arange(vals.shape[0]), vals))
        df = pd.DataFrame(vals, columns=['id'] + [f'v{i}' for i in range(0, vals.shape[0])])
        stmt = '{}(df)'.format(f)
        setp = 'from __main__ import df, {}'.format(f)
        res.at[f, c] = timeit(stmt, setp, number=50)

ax = res.div(res.min()).T.plot(loglog=True)
ax.set_xlabel("N");
ax.set_ylabel("time (relative)");

plt.show()

产量

关于python - Pandas DataFrame检查列值是否存在列值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52393659/