在与数组匹配的大熊猫中查找列名

Question

我有一个大数据框（5000 x 12039），我想获取与numpy数组匹配的列名。例如，如果我有桌子        m1lenhr m1lenmin    m1citywt    m1a12a  cm1age  cm1numb m1b1a   m1b1b   m1b12a  m1b12b  ... kind_attention_scale_10 kind_attention_scale_22 kind_attention_scale_21 kind_attention_scale_15 kind_attention_scale_18 kind_attention_scale_19 kind_attention_scale_25 kind_attention_scale_24 kind_attention_scale_27 kind_attention_scale_23challengeID                                                                                 1   0.130765    40.0    202.485367  1.893256    27.0    1.0 2.0 0.0 2.254198    2.289966    ... 0   0   0   0   0   0   0   0   0   02   0.000000    40.0    45.608219   1.000000    24.0    1.0 2.0 0.0 2.000000    3.000000    ... 0   0   0   0   0   0   0   0   0   03   0.000000    35.0    39.060299   2.000000    23.0    1.0 2.0 0.0 2.254198    2.289966    ... 0   0   0   0   0   0   0   0   0   04   0.000000    30.0    22.304855   1.893256    22.0    1.0 3.0 0.0 2.000000    3.000000    ... 0   0   0   0   0   0   0   0   0   05   0.000000    25.0    35.518272   1.893256    19.0    1.0 1.0 6.0 1.000000    3.000000    ... 0我想做这个：x = [40.0, 40.0, 35.0, 30.0, 25.0]find_column(x)并有find_column(x)回报m1lenmin

Answer 1

方法1

这是一种利用向量化的方法NumPy broadcasting-

df.columns[(df.values == np.asarray(x)[:,None]).all(0)]

样品运行-

In [367]: df

Out[367]: 

   0  1  2  3  4  5  6  7  8  9

0  7  1  2  6  2  1  7  2  0  6

1  5  4  3  3  2  1  1  1  5  5

2  7  7  2  2  5  4  6  6  5  7

3  0  5  4  1  5  7  8  2  2  4

4  7  1  0  4  5  4  3  2  8  6

In [368]: x = df.iloc[:,2].values.tolist()

In [369]: x

Out[369]: [2, 3, 2, 4, 0]

In [370]: df.columns[(df.values == np.asarray(x)[:,None]).all(0)]

Out[370]: Int64Index([2], dtype='int64')

方法＃2

另外，这是另一个使用views-

def view1D(a, b): # a, b are arrays

    a = np.ascontiguousarray(a)

    b = np.ascontiguousarray(b)

    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))

    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()

df1D_arr, x1D = view1D(df.values.T,np.asarray(x)[None])

out = np.flatnonzero(df1D_arr==x1D)

样品运行-

In [442]: df

Out[442]: 

   0  1  2  3  4  5  6  7  8  9

0  7  1  2  6  2  1  7  2  0  6

1  5  4  3  3  2  1  1  1  5  5

2  7  7  2  2  5  4  6  6  5  7

3  0  5  4  1  5  7  8  2  2  4

4  7  1  0  4  5  4  3  2  8  6

In [443]: x = df.iloc[:,5].values.tolist()

In [444]: df1D_arr, x1D = view1D(df.values.T,np.asarray(x)[None])

In [445]: np.flatnonzero(df1D_arr==x1D)

Out[445]: array([5])

Answer 2

尝试这个：

In [91]: x = np.array(x)

In [94]: df.apply(lambda col: col.eq(x).all())

Out[94]:

m1lenhr     False

m1lenmin     True

m1citywt    False

m1a12a      False

cm1age      False

cm1numb     False

m1b1a       False

m1b1b       False

m1b12a      False

m1b12b      False

dtype: bool

In [95]: df.columns[df.apply(lambda col: col.eq(x).all()).values]

Out[95]: Index(['m1lenmin'], dtype='object')