PandasNumPy行数据相加技巧
2025-09-14 10:27:51
0浏览
收藏
学习文章要努力,但是不要急!今天的这篇文章《Pandas NumPy 每组行数据相加方法》将会介绍到等等知识点,如果你想深入学习文章,可以关注我!我会持续更新相关文章的,希望对大家都能有所帮助!

本文介绍了如何使用 Pandas 和 NumPy 结合,针对 DataFrame 中的分组数据,将组内每行特定的数据信息添加到该组的每一行中。通过 NumPy 的滚动索引技巧,高效地实现了数据的广播和扩展,避免了低效的循环操作,并提供了详细的代码示例和解释。
在数据分析中,经常会遇到需要在分组数据中进行行间操作的场景。例如,在赛马数据集中,我们可能需要将每匹马的信息添加到同一场比赛的其他马匹的信息中,以便进行更深入的比较和分析。本文将介绍如何使用 Pandas 和 NumPy 来高效地实现这一目标。
解决方案
核心思路是利用 NumPy 的滚动索引功能,避免显式循环,从而提升性能。具体步骤如下:
- 定义滚动函数 roll(g): 该函数接收一个 DataFrame Group 作为输入,并使用 NumPy 的索引技巧来滚动和重塑数据。
- 将 DataFrame 转换为 NumPy 数组: g.to_numpy() 将 DataFrame Group 转换为 NumPy 数组,以便进行高效的数值操作。
- 创建索引数组: np.arange(len(a)) 创建一个索引数组,用于生成滚动索引。
- 生成滚动索引: ((x[:,None] + x)%len(a)).ravel() 使用 NumPy 的广播功能和模运算,生成滚动索引。这个表达式的核心在于 x[:,None] + x,它创建了一个二维数组,其中每一行都是 x 加上一个不同的偏移量。%len(a) 确保索引在数组长度范围内循环。ravel() 将二维数组扁平化为一维数组,用于索引。
- 使用滚动索引提取数据: a[((x[:,None] + x)%len(a)).ravel()] 使用生成的滚动索引从 NumPy 数组中提取数据。
- 重塑数据为 DataFrame: reshape(len(a), -1) 将提取的数据重塑为 DataFrame 的形状。
- 创建新的列名: [f'{c}_{i+1}' for i in x for c in g.columns] 为新的 DataFrame 创建列名,其中 c 是原始列名,i 是滚动索引。
- 分组并应用滚动函数: 使用 data_orig_df.groupby(cols).apply(lambda g: roll(g.drop(columns=cols))) 对 DataFrame 进行分组,并对每个组应用 roll 函数。cols 是用于分组的列名,例如 ['meetingId', 'raceId']。drop(columns=cols) 从 DataFrame Group 中删除分组列,以便 roll 函数只处理需要滚动的数据列。
- 重置索引: reset_index(cols) 将分组列重新添加到 DataFrame 中。
代码示例
import pandas as pd
import numpy as np
data_orig = {
'meetingId': [178515] * 6,
'raceId': [879507] * 6,
'horseId': [90001, 90002, 90003, 90004, 90005, 90006],
'position': [1, 2, 3, 4, 5, 6],
'weight': [51, 52, 53, 54, 55, 56],
}
data_orig_df = pd.DataFrame(data_orig)
def roll(g):
a = g.to_numpy()
x = np.arange(len(a))
return pd.DataFrame(a[((x[:,None] + x)%len(a)).ravel()].reshape(len(a), -1),
index=g.index,
columns=[f'{c}_{i+1}' for i in x for c in g.columns])
cols = ['meetingId', 'raceId']
out = (data_orig_df.groupby(cols)
.apply(lambda g: roll(g.drop(columns=cols)))
.reset_index(cols)
)
print(out)代码解释
- import pandas as pd: 导入 Pandas 库,用于数据处理。
- import numpy as np: 导入 NumPy 库,用于数值计算。
- data_orig: 包含原始数据的字典。
- data_orig_df = pd.DataFrame(data_orig): 将字典转换为 Pandas DataFrame。
- roll(g): 该函数是核心,它接收一个 DataFrame Group 作为输入,并使用 NumPy 的索引技巧来滚动和重塑数据。
- cols = ['meetingId', 'raceId']: 定义用于分组的列名。
- data_orig_df.groupby(cols): 根据 meetingId 和 raceId 列对 DataFrame 进行分组。
- .apply(lambda g: roll(g.drop(columns=cols))): 对每个组应用 roll 函数,并删除分组列。
- .reset_index(cols): 将分组列重新添加到 DataFrame 中。
- print(out): 打印结果 DataFrame。
注意事项
- 确保数据类型一致:在进行 NumPy 操作之前,确保 DataFrame 中的数据类型一致,避免出现类型错误。
- 处理大数据集:对于非常大的数据集,可以考虑使用更高效的 NumPy 函数或使用 Dask 等分布式计算框架。
- 内存占用:滚动操作可能会增加内存占用,需要根据数据集的大小进行调整。
总结
本文介绍了如何使用 Pandas 和 NumPy 结合,高效地将分组数据中每行的数据添加到该组的每一行中。通过 NumPy 的滚动索引技巧,避免了低效的循环操作,并提供了详细的代码示例和解释。掌握这种方法可以帮助你更高效地处理分组数据,进行更深入的数据分析。
好了,本文到此结束,带大家了解了《PandasNumPy行数据相加技巧》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
HTML通知消息添加可访问性方法详解
- 上一篇
- HTML通知消息添加可访问性方法详解
- 下一篇
- 成都首创飞机行李免费托运服务
查看更多
最新文章
-
- 文章 · python教程 | 11小时前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 11小时前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 11小时前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 11小时前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 11小时前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 11小时前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 11小时前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 11小时前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 12小时前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 12小时前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 1天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1147次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1134次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1312次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1251次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1103次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

