优化熊猫数据框列的四分位数？

Question

我在数据框中有多个包含数字数据的列。我想对每一列进行四分位数，将每个值更改为 q1、q2、q3 或 q4。

我目前遍历每一列并使用 pandas qcut 函数更改它们：

for column_name in df.columns:
    df[column_name] = pd.qcut(df[column_name].astype('float'), 4, ['q1','q2','q3','q4'])

这很慢！有更快的方法吗？

Answer 1

试玩下面的例子。看起来从字符串转换为浮点数正在增加时间。虽然没有提供工作示例，但无法知道原始类型。 df[column].astype(copy=) 无论是否复制，似乎都是高效的。没什么可追求的。

import pandas as pd
import numpy as np
import random
import time

random.seed(2)

indexes = [i for i in range(1,10000) for _ in range(10)]
df = pd.DataFrame({'A': indexes, 'B': [str(random.randint(1,99)) for e in indexes], 'C':[str(random.randint(1,99)) for e in indexes], 'D':[str(random.randint(1,99)) for e in indexes]})
#df = pd.DataFrame({'A': indexes, 'B': [random.randint(1,99) for e in indexes], 'C':[random.randint(1,99) for e in indexes], 'D':[random.randint(1,99) for e in indexes]})

df_result = pd.DataFrame({'A': indexes, 'B': [random.randint(1,99) for e in indexes], 'C':[random.randint(1,99) for e in indexes], 'D':[random.randint(1,99) for e in indexes]})

def qcut(copy, x):
    for i, column_name in enumerate(df.columns):
        s = pd.qcut(df[column_name].astype('float', copy=copy), 4, ['q1','q2','q3','q4'])
        df_result["col %d %d"%(x, i)] = s.values

times = []
for x in range(0,10):
    a = time.clock()
    qcut(True, x)
    b = time.clock()
    times.append(b-a)

print np.mean(times)

for x in range(10, 20):
    a = time.clock()
    qcut(False, x)
    b = time.clock()
    times.append(b-a)
print np.mean(times)

优化熊猫数据框列的四分位数？

Optimising quartiling of columns of panda dataframe?

python

pandas

optimization

quantile

quartile