ここでベクトル化numpyのアプローチだ -
def reset_rowwise_dups(df):
n = df.shape[0]
row_idx = np.arange(n)[:,None]
a = df_freq.values
idx = np.argsort(a,1)
sorted_a = a[row_idx, idx]
idx_reversed = idx.argsort(1)
sorted_a_dupmask = sorted_a[:,1:] == sorted_a[:,:-1]
dup_mask = np.column_stack((np.zeros(n,dtype=bool), sorted_a_dupmask))
final_mask = dup_mask[row_idx, idx_reversed] & (a != '')
a[final_mask] = 0
サンプル実行 -
In [80]: df_freq
Out[80]:
A B C D
0 Z11 Z11 X11 Z11
1 Y11 Y11
2 Z11 Z11 X11
In [81]: reset_rowwise_dups(df_freq)
In [82]: df_freq
Out[82]:
A B C D
0 Z11 0 X11 0
1 Y11 0
2 Z11 0 X11
ランタイムテスト
# Proposed earlier in this post
def reset_rowwise_dups(df):
n = df.shape[0]
row_idx = np.arange(n)[:,None]
a = df.values
idx = np.argsort(a,1)
sorted_a = a[row_idx, idx]
idx_reversed = idx.argsort(1)
sorted_a_dupmask = sorted_a[:,1:] == sorted_a[:,:-1]
dup_mask = np.column_stack((np.zeros(n,dtype=bool), sorted_a_dupmask))
final_mask = dup_mask[row_idx, idx_reversed] & (a != '')
a[final_mask] = 0
# @piRSquared's soln using pandas apply
def apply_based(df):
mask = df.apply(pd.Series.duplicated, 1) & df.astype(bool)
return df.mask(mask, 0)
タイミング -
In [151]: df_freq = pd.DataFrame([["Z11", "Z11", "X11", "Z11"], \
...: ["Y11","","", "Y11"],["Z11","Z11","","X11"]], columns=list('ABCD'))
In [152]: df_freq
Out[152]:
A B C D
0 Z11 Z11 X11 Z11
1 Y11 Y11
2 Z11 Z11 X11
In [153]: df = pd.concat([df_freq]*10000,axis=0)
In [154]: df.index = range(df.shape[0])
In [155]: %timeit apply_based(df)
1 loops, best of 3: 3.35 s per loop
In [156]: %timeit reset_rowwise_dups(df)
100 loops, best of 3: 12.7 ms per loop
現場での変更に基づいて変換できますか?それをタイムリーにしたいですか? – Divakar
ちょっとpiR、 'df_freq.astype(bool)'の理由は何ですか?コードはそれなしで正常に動作するようです。 – Moondra
@moondra OPにはデータフレームに空白があり、複数のものがありました。第2、第3などの空白が現れたときにゼロを置くことはしませんでした。だから、 '' 'は' False'と評価されるので、 '' df_freq.astype(bool) 'を使って何も空でないマスクを作成します。重複があるときと一緒に、ゼロを正確に配置することができます。それ以外の場合は、 'df_freq.loc [1、 'C']' – piRSquared