我刚刚发现了pandas数据帧的assign方法,它看起来不错,与R中的dplyr的mutate非常相似.但是,我总是通过“动态”初始化一个新列来获得.分配是否更好?
例如(基于pandas文档中的示例),要在数据框中创建新列,我可以这样做:
df = DataFrame({'A': range(1, 11), 'B': np.random.randn(10)})
df['ln_A'] = np.log(df['A'])
但是pandas.DataFrame.assign文档建议这样做:
df.assign(ln_A = lambda x: np.log(x.A))
# or
newcol = np.log(df['A'])
df.assign(ln_A=newcol)
两种方法都返回相同的数据帧.实际上,第一种方法(我的’动态’方法)比.assign方法(1000次迭代的0.3526602769998135秒)明显更快(1000次迭代0.20225788200332318秒).
那么我有理由停止使用旧方法来支持df.assign吗?
最佳答案 不同之处在于您是希望修改现有帧还是创建新帧,同时保持原始帧的原样.
特别是,DataFrame.assign返回一个新对象,该对象具有原始数据的副本以及请求的更改…原始帧保持不变.
在您的特定情况下:
>>> df = DataFrame({'A': range(1, 11), 'B': np.random.randn(10)})
现在假设您希望创建一个新框架,其中A无处不在,而不会破坏df.然后你可以使用.assign
>>> new_df = df.assign(A=1)
如果您不希望保持原始值,那么显然df [“A”] = 1将更合适.这也解释了速度差异,必要时.assign必须复制数据,而[…]则没有.