查找先前出现的元素的索引的矢量化方法

Question

假设我有这个熊猫系列：num = pd.Series([1,2,3,4,5,6,5,6,4,2,1,3])我想做的是得到一个数字，比如说5，并返回之前发生的索引。因此，如果我使用元素 5，我应该得到 4，因为该元素出现在索引 4 和 6 中。现在我想为该系列的所有元素执行此操作，并且可以使用for循环轻松完成：for idx,x in enumerate(num):        idx_prev = num[num == x].idxmax()        if(idx_prev < idx):                return idx_prev但是，由于循环，此过程对于较长的串联长度消耗了太多时间。有没有办法以矢量化的形式实现同样的事情？输出应如下所示：[NaN,NaN,NaN,NaN,NaN,NaN,4,5,3,1,0,2]

Answer 1

您可以使用 来移动索引：groupby

num.index.to_series().groupby(num).shift()

输出：

0     NaN

1     NaN

2     NaN

3     NaN

4     NaN

5     NaN

6     4.0

7     5.0

8     3.0

9     1.0

10    0.0

11    2.0

dtype: float64

Answer 2

可以在 中继续工作。numpy

相当于使用是：[num[num == x].idxmax() for idx,x in enumerate(num)]numpy

_, out = np.unique(num.values, return_inverse=True)

哪个分配

array([0, 1, 2, 3, 4, 5, 4, 5, 3, 1, 0, 2], dtype=int64)

自。现在，您可以将 的坏值分配给 s，如下所示：outoutNan

out_series = pd.Series(out)
out_series[out >= np.arange(len(out))] = np.nan