Блог

У меня есть большой фрейм данных df:

 df = pd.DataFrame(  {  "length": [1200,600, 600,1201, 600, 600, 500, 700],  "width": [600, 1200, 600, 600, 1201, 600, 800, 700],  "height": [600, 600, 1200, 600, 600, 1201, 800, 700],  } )  

Мне нужно найти наибольшее значение в строке, затем умножить другое на *2 и сложить все вместе.

Итак, формула такова:

 highest_value   (lower_value_1 * 2)   (lower_value_2 * 2)  

• Например, для строки 1: 1200 (600 * 2) (600 * 2) = 3600
• Например, для строки 7: 800 (800 * 2) (500 * 2) = 3400
• Например, для строки 8: 700 (700 * 2) (700 * 2) = 3500

Результат должен быть:

Я могу найти максимум 3 строки с

 df[["length ", "width ", "height "]].max(axis=1)  

но мне нужна помощь с остальным.

Это кажется более простым решением

 df['New'] = df.sum(axis=1)*2 - df.max(axis=1)  

Правка, предназначалась для копирования этого

 df['Girth'] = df.apply(lambda x: sum(x)*2 - max(x), axis = 1)  

Вот очень быстрое векторизованное решение, которое использует преимущества широковещания numpy для достижения очень высокой производительности:

 mask = pd.DataFrame(df.to_numpy() != df.max(axis=1).to_numpy().reshape(-1,1), columns=df.columns) df['girth'] = df.add(df[mask].fillna(0)).sum(axis=1)  

Выход:

 gt;gt;gt; df  length width height girth 0 1200 600 600 3600.0 1 600 1200 600 3600.0 2 600 600 1200 3600.0 3 1201 600 600 3601.0 4 600 1201 600 3601.0 5 600 600 1201 3601.0  

На моем 8-ядерном процессоре Intel Core i9 с частотой 3,6 ГГц это заняло около ~950 мс для 6 000 000 (6 миллионов) строк.

В основном то, что мы здесь делаем, это:

1. Создание маски, которая выбирает все значения в кадре данных, которые не являются максимальными в строке, в которой они находятся
2. Снова добавляем значения, выбранные этой маской (не максимальные значения), в кадр данных
3. Суммирование полученных строк