熊猫矢量查找而没有弃用查找（）

Question

我的问题涉及fookup（），这将被弃用。所以我正在寻找另一种选择。文档建议使用loc（）（似乎不适用于矢量化方法）或melt（）（似乎很复杂）。此外，该文档建议fireverize（）（我认为）对我的设置不起作用。

这是问题： 我有一个带有x，y值的2列数据框。

k = 20
y = random.choices(range(1,4),k=k)
x = random.choices(range(1,7),k=k)
tuples = list(zip(x,y))
df = pd.DataFrame(tuples, columns=["x", "y"])
df

而且我在df的Crosstab格式中有几个数据范围。例如，一个称为cij：

Concordance table (Cij):
x     1     2     3    4     5     6  RTotal
y                                           
1   16     15    13  NaN     5   NaN     108
2   NaN    12   NaN   15   NaN   NaN      87
3   NaN   NaN     6  NaN    13    14     121

我现在想在df中从cij中执行矢量化查找，以生成新的列CRC在df中。到目前为止，看起来像这样（简单而简单）：

df["Crc"] = Cij.lookup(df["y"],df["x"])

如果没有lookup（），我该如何实现同一件事？还是我只是不明白建议的替代方案？

提前致谢！

附录：根据要求的工作代码示例。

data = [[1,1],[1,1],[1,2],[1,2],[1,2],[1,3],[1,3],[1,5],[2,2],[2,4],[2,4],[2,4],[2,4],[2,4],[3,3],[3,3],[3,5],[3,5],[3,5],[3,6],[3,6],[3,6],[3,6],[3,6]]
df = pd.DataFrame(data, columns=["y", "x"])

# crosstab of df
ct_a = pd.crosstab(df["y"], df["x"])
Cij = pd.DataFrame([], index=ct_a.index, columns=ct_a.columns) #one of several dfs in ct_a layout

#row-wise, than column-wise filling of Cij
for i in range(ct_a.shape[0]):           
  for j in range(ct_a.shape[1]):
    if ct_a.iloc[i,j] != 0:
      Cij.iloc[i,j]= ct_a.iloc[i+1:,j+1:].sum().sum()+ct_a.iloc[:i,:j].sum().sum()

#vectorized lookup, to be substituted with future-proof method
df["Crc"] = Cij.lookup(df["y"],df["x"])

注意：在这种情况下，cij的基于循环的“填充”很好，因为df的crosstab总是很小。但是，df本身可能很大，因此矢量化查找是必需的。

Answer 1

iiuc，您可以stack cij，然后reidindex基于使用zip ：

df['Crc'] = Cij.stack().reindex(zip(df['y'], df['x'])).to_numpy()
print(df)

输出：输出：

    y  x   Crc
0   1  1  16.0
1   1  1  16.0
2   1  2  15.0
3   1  2  15.0
4   1  2  15.0
5   1  3  13.0
6   1  3  13.0
7   1  5   5.0
8   2  2    12
9   2  4    15
10  2  4    15
11  2  4    15
12  2  4    15
13  2  4    15
14  3  3   6.0
15  3  3   6.0
16  3  5  13.0
17  3  5  13.0
18  3  5  13.0
19  3  6  14.0
20  3  6  14.0
21  3  6  14.0
22  3  6  14.0
23  3  6  14.0

Answer 2

使用文档中的路径，您可以复制查找功能：

x_index, x_uniques = pd.factorize(df.x)

arrays = (Cij
          .reindex(columns = x_uniques)
          .to_numpy()[df.y.factorize()[0], x_index]
         )

df['r'] = arrays

df
    y  x     r   Crc
0   1  1  16.0  16.0
1   1  1  16.0  16.0
2   1  2  15.0  15.0
3   1  2  15.0  15.0
4   1  2  15.0  15.0
5   1  3  13.0  13.0
6   1  3  13.0  13.0
7   1  5   5.0   5.0
8   2  2    12  12.0
9   2  4    15  15.0
10  2  4    15  15.0
11  2  4    15  15.0
12  2  4    15  15.0
13  2  4    15  15.0
14  3  3   6.0   6.0
15  3  3   6.0   6.0
16  3  5  13.0  13.0
17  3  5  13.0  13.0
18  3  5  13.0  13.0
19  3  6  14.0  14.0
20  3  6  14.0  14.0
21  3  6  14.0  14.0
22  3  6  14.0  14.0
23  3  6  14.0  14.0

Answer 3

如果您已经检查了df [“ crc”] = cij.loc [df [y“”]，df [x“”]]，您会注意到它返回一个数组。通过将其与df [“ crc”] = cij..lookup（df [“ y”]，df [“ x”]）进行比较，您还会注意到领先的对角线是相同的（哪个有意义）。因此，您可以添加np.diagonal以返回所需的内容：

df["Crc"] = np.diagonal(Cij.loc[df["y"], df["x"]])