Bagaimanakah Panda Boleh Mengira Istilah dengan Cekap dalam DataFrames Berkumpulan?

Mengira Istilah dalam Kumpulan DataFrames: Penyelesaian Pandas

Artikel ini menangani cabaran mengira istilah dalam kumpulan dan meringkaskan keputusan dalam DataFrame . Dengan Panda, tugas ini boleh diselesaikan dengan elegan tanpa menggunakan gelung yang tidak cekap. Pertimbangkan DataFrame berikut:

df = pd.DataFrame([
    (1, 1, 'term1'),
    (1, 2, 'term2'),
    (1, 1, 'term1'),
    (1, 1, 'term2'),
    (2, 2, 'term3'),
    (2, 3, 'term1'),
    (2, 2, 'term1')
])

Matlamatnya adalah untuk mengumpulkan mengikut 'id' dan 'kumpulan' dan mengira kejadian setiap 'istilah'. Untuk mencapai matlamat ini, Pandas menawarkan penyelesaian ringkas:

df.groupby(['id', 'group', 'term']).size().unstack(fill_value=0)

Operasi ini mengumpulkan DataFrame mengikut lajur 'id', 'kumpulan' dan 'istilah', mengira kejadian setiap gabungan unik dan mengembalikan diringkaskan DataFrame dengan lajur berbilang indeks dan lajur nilai tunggal bernama 'saiz' yang mengandungi kiraan. Fungsi 'nyahtindan' membentuk semula DataFrame ke dalam format yang luas, dengan satu lajur untuk setiap istilah unik, seperti ditunjukkan di bawah:

id  group term   size
1   1     term1  3
    1     term2  2
    2     term3  1
2   2     term1  3

Analisis Masa

Untuk lebih besar set data, memahami ciri prestasi penyelesaian ini adalah penting. Untuk menilai ini, pertimbangkan DataFrame dengan 1 juta baris yang dijana menggunakan kod berikut:

df = pd.DataFrame(dict(id=np.random.choice(100, 1000000),
                       group=np.random.choice(20, 1000000),
                       term=np.random.choice(10, 1000000)))

Memprofilkan operasi pengumpulan dan pengiraan mendedahkan bahawa ia boleh mengendalikan set data yang besar dengan cekap:

df.groupby(['id', 'group', 'term']).size().unstack(fill_value=0)

Prestasi ini dikaitkan dengan sifat optimum mekanisme pengumpulan dan pengagregatan asas Pandas, menjadikannya alat yang sangat baik untuk bekerja dengan cekap dengan set data yang besar.

Atas ialah kandungan terperinci Bagaimanakah Panda Boleh Mengira Istilah dengan Cekap dalam DataFrames Berkumpulan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!