根据另一个熊猫数据框的值填充一个熊猫数据框的最快方法是什么？

Question

我有一个熊猫数据框位置        row    column  1      3     Brazil  2      6     USA  3      3     USA  4      7     Canada和另一个x        Brazil   Canada  USA  1     False    False   False  2     False    False   False  3     False    False   False  4     False    False   False  5     False    False   False  6     False    False   False  7     False    False   False我想根据第一个的值填充第二个，所以结果是：        Brazil   Canada  USA  1     False    False   False  2     False    False   False  3     True     False   True  4     False    False   False  5     False    False   False  6     False    False   True  7     False    True    False我正在使用iterrows()这样做  for i, r in positions.iterrows():      x.at[r['row'],r['column']] = True有更快的方法吗？

Answer 1

我会crosstab做update

x.update(pd.crosstab(df.row,df.column).eq(1))

x

Out[44]: 

  Brazil Canada    USA

1  False  False  False

2  False  False  False

3   True  False   True

4  False  False  False

5  False  False  False

6  False  False   True

7  False   True  False

Answer 2

您可以旋转positions表格：

s = (df.assign(dummy=True).set_index(['row','column'])

       ['dummy'].unstack(fill_value=False)

    )

x |= s

输出：

   Brazil  Canada    USA

1   False   False  False

2   False   False  False

3    True   False   True

4   False   False  False

5   False   False  False

6   False   False   True

7   False    True  False

Answer 3

searchsorted和切片分配iloc

这假定index和columnsinx已排序。

我们将使用iloc和位置元组来分配值True

i = tuple(x.index.searchsorted(df.row))

j = tuple(x.columns.searchsorted(df.column))

x.iloc[[i, j]] = True

x

   Brazil  Canada    USA

1   False   False  False

2   False   False  False

3    True   False   True

4   False   False  False

5   False   False  False

6   False   False   True

7   False    True  False