Python-两个dataframe用for循环求笛卡尔积
程序员文章站
2022-07-01 15:48:56
合并两个没有共同列的dataframe,相当于按行号求笛卡尔积。 最终效果如下 以下代码是参考别人的代码修改的: 这段代码的思路是对两个表的每一行进行循环,运行速度比较慢,复杂度应该是O(m n),m是A表的行数,n是B表的行数。 因为我用到的合并表行数比较多,时间太慢,所以针对上面的代码进行了优化 ......
合并两个没有共同列的dataframe,相当于按行号求笛卡尔积。
最终效果如下
以下代码是参考别人的代码修改的:
def cartesian_df(a,b): new_df = pd.dataframe(columns=list(a).extend(list(b))) for _,a_row in a.iterrows(): for _,b_row in b.iterrows(): row = a_row.append(b_row) new_df = new_df.append(row,ignore_index=true) return new_df #这个方法,如果两张表列名重复会出错
这段代码的思路是对两个表的每一行进行循环,运行速度比较慢,复杂度应该是o(m*n),m是a表的行数,n是b表的行数。
因为我用到的合并表行数比较多,时间太慢,所以针对上面的代码进行了优化。
思路是利用dataframe的merge功能,先循环复制a表,将循环次数添加为列,直接使用merge合并,复杂度应该为o(n)(n是b表的行数),代码如下:
def cartesian_df(df_a,df_b): '求两个dataframe的笛卡尔积' #df_a 复制n次,索引用复制次数 new_df_a = pd.dataframe(columns=list(df_a)) for i in range(0,df_b.shape[0]): df_a['merge_index'] = i new_df_a = new_df_a.append(df_a,ignore_index=true) #df_b 设置索引为行数 df_b.reset_index(inplace = true, drop =true) df_b['merge_index'] = df_b.index #merge new_df = pd.merge(new_df_a,df_b,on=['merge_index'],how='left').drop(['merge_index'],axis = 1) return new_df #两个原始表中不能有列名'merge_index'
使用一张8行的表和一张142行的表进行测试,优化前的方法用时:5.560689926147461秒
优化后的方法用时:0.1296539306640625秒(142行的表作为b表)
根据计算原理,将行数少的表放在b表可以更快,测试用时:0.021603107452392578秒(8行的表作为b表)
这个速度已经达到预期,基本感觉不到等待,优化完成。