python-熊猫获取最高点积的索引

我有一个这样的数据框：

df1 = pd.DataFrame({'a':[1,2,3,4],'b':[5,6,7,8],'c':[9,10,11,12]})
    a   b   c
0   1   5   9
1   2   6   10
2   3   7   11
3   4   8   12

我想在此数据框中创建另一列,该列存储每一行,当对它进行点积运算时,该另一行得分最高.

例如,对于第一行,我们将针对其他行计算点积：

df1.drop(0).dot(df1.loc[0]).idxmax()
output: 3

因此,我可以创建一个函数：

def get_highest(dataframe):
    lis = []
    for row in dataframe.index:
        temp = dataframe.drop(row).dot(dataframe.loc[row])
        lis.append(temp.idxmax())
    return lis

我得到我想要的东西：

df1['highest'] = get_highest(df1)
output: 
    a   b   c   highest
0   1   5   9   3
1   2   6   10  3
2   3   7   11  3
3   4   8   12  2

好的,这是可行的,但问题是它根本无法扩展.以下是不同行数的timeit的输出：

4 rows: 2.87 ms
40 rows: 77.1 ms
400 rows: 700 ms
4000 rows: 10.4s

我必须在大约240k行和3.3k列的数据帧上执行此操作.因此,这是我的问题：有没有一种方法可以优化此计算？ (可能通过其他方式解决)

先感谢您.

解决方法:

用转置进行矩阵乘法：

mat_mul = np.dot(df.values, df.values.T)

用较小的数字填充对角线,使它们不能为最大值(我假设所有正数都为正,所以用-1填充,但您可以更改此值)：

np.fill_diagonal(mat_mul, -1)

现在,使用数组的argmax：

df['highest'] = mat_mul.argmax(axis=1)

10k x 4 df的时间：

%%timeit
mat_mul = np.dot(df.values, df.values.T)
np.fill_diagonal(mat_mul, -1)
df['highest'] = mat_mul.argmax(axis=1)

1 loop, best of 3: 782 ms per loop

%timeit df['highest'] = get_highest(df)
1 loop, best of 3: 9.8 s per loop

python-熊猫获取最高点积的索引

相关文章