dict.values
dict.values
用于跟踪值,最后找到的值将成为最重要的值。
list(dict(map(reversed, enumerate(df.index.get_level_values(0)))).values())
[2, 4, 5]
使用循环
创建一个函数,接受分解和唯一值的数量作为参数。
def last(bins, k):
a = np.zeros(k, np.int64)
for i, b in enumerate(bins):
a[b] = i
return a
您可以使用以下方法进行因式分解:
f, u = pd.factorize(df.index.get_level_values(0))
last(f, len(u))
array([2, 4, 5])
然而,通常构建
MultiIndex
的方式是,
labels
对象已经进行了因子分解,而
levels
对象是唯一值。
last(df.index.labels[0], df.index.levels[0].size)
array([2, 4, 5])
此外,我们可以使用Numba进行即时编译以提高执行速度。
from numba import njit
@njit
def nlast(bins, k):
a = np.zeros(k, np.int64)
for i, b in enumerate(bins):
a[b] = i
return a
nlast(df.index.labels[0], df.index.levels[0].size)
array([2, 4, 5])
时间控制
f, u = pd.factorize(df.index.get_level_values(0))
last(f, len(u))
641 µs ± 9.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
f, u = pd.factorize(df.index.get_level_values(0))
nlast(f, len(u))
264 µs ± 11.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%%timeit
nlast(df.index.labels[0], len(df.index.levels[0]))
4.06 µs ± 43.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
%%timeit
last(df.index.labels[0], len(df.index.levels[0]))
654 µs ± 14.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
list(dict(map(reversed, enumerate(df.index.get_level_values(0)))).values())
709 µs ± 4.94 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
jezrael的解决方案。同样非常快。
%timeit start_stop_arr(df.index.get_level_values(0))
113 µs ± 83.1 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
np.unique
我没有计时,因为我不喜欢。如下所示:
使用np.unique
和return_index
参数。这将返回每个唯一值被找到的第一个位置。在此之后,我会进行一些移位操作,以获取先前唯一值的最后位置。
注意:如果级别值在连续组中,则此方法有效。如果它们不是,则我们必须进行排序和取消排序,这不值得。除非真的需要,否则我将展示如何做到这一点。
i = np.unique(df.index.get_level_values(0), return_index=True)[1]
np.append(i[1:], len(df)) - 1
array([2, 4, 5])
设置
来自@jezrael
df = pd.DataFrame({'A':list('abcdef'),
'B':[4,5,4,5,5,4],
'C':[7,8,9,4,2,3],
'D':[1,3,5,7,1,0],
'E':[5,3,6,9,2,4],
'F':list('aaabbc')}).set_index(['F','A','B'])