Создание столбца на основе значений столбца и словарей с использованием векторизации в pandas

У меня есть три столбца в фрейме данных Pandas A, B и C. У меня также есть 3 словаря: dict_A, dict_B, dict_C, которые имеют все значения A, B и C в качестве ключей в каждом соответствующем кадре данных. Я пытаюсь создать 2 новых столбца в фрейме данных, которые используют данные из этих словарей как часть вычислений. Это то, что я попробовал

df['weight_A'] = (dict_A[df['A']] * dict_C[df['C']])
df['weight_B'] = (dict_B[df['B']] * (1 - dict_C[df['C']]))

Я не могу этого сделать, потому что не могу использовать серию в качестве ключа к кадру данных. Я знаю, что могу перебирать строки, но хочу сделать это векторизованным.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
55
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете использовать карту:

df["weight_A"] = df["A"].map(dict_A) * df["C"].map(dict_C)
df["weight_B"] = df["B"].map(dict_B) * (1 - df["C"].map(dict_C))

Сохраните сопоставленные столбцы в переменных, чтобы повысить эффективность. Например: он будет отображаться дважды для столбца C.

Vishnudev Krishnadas 30.06.2024 21:13

@VishnudevKrishnadas Верно, но для этого потребуется больше памяти, поэтому это компромисс, который следует учитывать в зависимости от того, как выглядит набор данных.

e-motta 30.06.2024 21:47

Другие вопросы по теме