Pandas Lookup 将被弃用——优雅高效的替代方案

问题描述

Pandas 查找功能将在未来版本中弃用。正如警告所建议的，建议使用 .melt 和 .loc 作为替代。

df = pd.DataFrame({'B': ['X','X','Y','Y'],'group': ["IT","IT","MV","MV"]})

a = pd.concat([df,df['B'].str.get_dummies()],axis=1).groupby('group').rolling(3,min_periods=1).sum().sort_index(level=1).reset_index(drop=True)               

df['count'] = a.lookup(df.index,df['B'])

# Output Warning:
# <ipython-input-16-e5b517460c82>:7: FutureWarning: The 'lookup' method is deprecated and will be
# removed in a future version. You can use DataFrame.melt and DataFrame.loc as a substitute.

然而，替代方案似乎不太优雅且速度较慢：

b = pd.melt(a,value_vars=a.columns,var_name='B',ignore_index=False)
b.index.name='index'
df.index.name='index'
df = df.merge(b,on=['index','B'])
df

有没有更优雅、更有效的方法来解决这个问题？

先谢谢了。

解决方法

看起来，您可以使用索引来分配新值。

dfn = df.set_index('B',append=True)
dfn['count'] = a.stack()

,

一个想法是使用 DataFrame.stack 和 DataFrame.joinf 来匹配 index 和 B：

df1 = df.rename_axis('i').join(a.stack().rename('count'),on=['i','B'])
print (df1)
    B group  count
i                 
0   X    IT    1.0
1   X    IT    2.0
2   Y    IT    1.0
3   X    MV    1.0
4   Y    MV    1.0
5   Y    MV    2.0
6   X    IT    2.0
7   X    MV    1.0
8   Y    MV    2.0
9   Y    IT    2.0
10  X    IT    2.0
11  Y    MV    2.0