什么是最有效的方式来创建两个大 pandas 数据框列的字典？ [英] What is the most efficient way to create a dictionary of two pandas Dataframe columns?

问题描述

数据框架的最有效的方式是什么？

data =

 职位信
 1 a 
 2 b 
 3 c 
 4 d 
 5 e 
  

成为一个字典，如 alphabet [1：'a'，2：'b'，3：'c'，4： 'd'，5：'e'] ？

解决方案

  In [9]：Series（df.Letter.values，index = df.Position）.to_dict（）
 Out [9]：{1：'a'，2：'b'，3：' c'，4：'d'，5：'e'} 
  

速度比较（使用Wouter的方法）

 在[6]中：df = DataFrame（randint（0,10,10000）.reshape（5000,2） column = list（'AB'）
 
在[7]中：％timeit dict（zip（df.A，df.B））
 1000循环，最好的3：1.27 ms每循环
 
在[8]中：％timeit系列（df.A.values，index = df.B）.to_dict（）
 1000循环，最好3：987 us每循环
  

What is the most efficient way to organise the following pandas Dataframe:

data =

Position    Letter
1           a
2           b
3           c
4           d
5           e

into a dictionary like alphabet[1 : 'a', 2 : 'b', 3 : 'c', 4 : 'd', 5 : 'e']?

解决方案

In [9]: Series(df.Letter.values,index=df.Position).to_dict()
Out[9]: {1: 'a', 2: 'b', 3: 'c', 4: 'd', 5: 'e'}

Speed comparion (using Wouter's method)

In [6]: df = DataFrame(randint(0,10,10000).reshape(5000,2),columns=list('AB'))

In [7]: %timeit dict(zip(df.A,df.B))
1000 loops, best of 3: 1.27 ms per loop

In [8]: %timeit Series(df.A.values,index=df.B).to_dict()
1000 loops, best of 3: 987 us per loop

这篇关于什么是最有效的方式来创建两个大 pandas 数据框列的字典？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！