在大尺寸数据框上填充多列默认值的有效方法

Efficient way to fill default values for multiple columns on Big size dataframe

我有一个包含 150 万条记录的数据框 obs。我想用默认值填写 NA,如下所示。

obs = pd.DataFrame({'person_id' :[1,2,3],'obs_date':['12/31/2007','11/25/2009',np.nan],
       'hero_id':[2,4,np.nan],'date2':['12/31/2017',np.nan,'10/06/2015'],
       'heroine_id':[1,np.nan,5],'date3':['12/31/2027','11/25/2029',np.nan],
       'bud_source_value':[1250000,250000,np.nan],
       'prod__source_value':[10000,20000,np.nan]})

逻辑是根据列名填3个默认值

1) 以 id 结尾的列 - 填充 0

2) 以 value 结尾的列 - 以 ' ' (blank/empty)

填充

3) cols 包含 date - fillna with 12/31/2000

虽然我下面的代码工作正常(基于 SO 的建议),但有没有办法固定它?

%%timeit
c = obs.columns.str
c1 = c.endswith('id')
c2 = c.endswith('value')
c3 = c.contains('date')

obs_final = np.select([c1,c2,c3], [obs.fillna(0), obs.fillna(''), 
obs.fillna("12/31/2000")])
obs_final = pd.DataFrame(obs_final, columns=obs.columns)

需要 19.5 s ± 303 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) - 这正常吗?

有什么可以改进的吗?

我不确定这是否会使速度更快,但您可以尝试一下

obs[obs.columns[c1]] = obs[obs.columns[c1]].fillna(0)
obs[obs.columns[c2]] = obs[obs.columns[c2]].fillna('')
obs[obs.columns[c3]] = obs[obs.columns[c3]].fillna("12/31/2000")

Select 列 DataFrame.loc 并使用 fillna:

obs.loc[:, c1] = obs.loc[:, c1].fillna(0)
obs.loc[:, c2] = obs.loc[:, c2].fillna('')
obs.loc[:, c3] = obs.loc[:, c3].fillna("12/31/2000")