数据帧中的矢量化标志分配

Question

我有一个数据框，其中的观察值包含许多代码。我想将一行中存在的代码与一个列表进行比较。如果该列表中有任何代码，我希望标记该行。我可以使用以下itertuples方法完成此操作：

import pandas as pd

import numpy as np

df = pd.DataFrame({ 'id' : [1,2,3,4,5],

                    'cd1' : ['abc1', 'abc2', 'abc3','abc4','abc5'],

                    'cd2' : ['abc3','abc4','abc5','abc6',''],

                    'cd3' : ['abc10', '', '', '','']})

code_flags = ['abc1','abc6']

# initialize flag column

df['flag'] = 0

# itertuples method

for row in df.itertuples():

    if any(df.iloc[row.Index, 1:4].isin(code_flags)):

       df.at[row.Index, 'flag'] = 1

输出正确添加了flag带有适当标志的列，其中1表示已标记的条目。

但是，在我的实际用例中，这需要几个小时才能完成。我尝试使用来矢量化此方法numpy.where。

df['flag'] = 0 # reset

df['flag'] = np.where(any(df.iloc[:,1:4].isin(code_flags)),1,0)

似乎对所有事物的评估都是一样的。我认为我对向量化如何处理索引感到困惑。我可以删除分号并编写df.iloc[1:4]并获得相同的结果。

我是否误解了该where功能？我的索引True编制不正确并且会导致对所有情况的评估吗？有一个更好的方法吗？

Answer 1

np.where与.any不一起使用any(..)np.where((df.iloc[:,1:4].isin(code_flags)).any(1),1,0)