Pandas案例精进 | 结构化数据非等值范围查找 ③

Aidan075 等级 286 0 0

Pandas案例精进 | 结构化数据非等值范围查找 ③

大家好,我是小五🐶

欢迎来到👉「Pandas案例精进」专栏!前文回顾:

Pandas案例精进 | 结构化数据非等值范围查找 ①

Pandas案例精进 | 结构化数据非等值范围查找 ②

本文是承接前两篇的实战案例,没看过的小伙伴建议先点击👆上方链接查看前文

前两篇文章就已经解决了问题,考虑到上述区间查找其实是一个顺序查找的问题,所以我们可以使用二分查找进一步优化减少查找次数。

当然二分查找对于这种2位数级别的区间个数查找优化不明显,但是当区间增加到万级别,几十万的级别时,那个查找效率一下子就体现出来了,大概就是几万次查找和几次查找的区别。

字典查找+二分查找高效匹配

本次优化,主要通过字典查询大幅度加快了查询的效率,几乎实现了将非等值连接转换为等值连接。

首先读取数据:

import pandas as pd  

product = pd.read_excel('sample.xlsx', sheet_name='A')  
cost = pd.read_excel('sample.xlsx', sheet_name='B')  
cost.head()  

Pandas案例精进 | 结构化数据非等值范围查找 ③

下面计划将价格表直接转换为能根据地区代码和索引快速查找价格的字典。

先取出区间范围列表,用于索引位置查找:

price_range = cost.columns[2:].str.split("~").str[1].astype("float").tolist()  
price_range  

结果:

[0.5, 1.0, 2.0, 3.0, 4.0, 5.0, 7.0, 10.0, 15.0, 100000.0]  

下面将测试二分查找的效果:

import bisect  
import numpy as np  

for a in np.linspace(0.5, 5, 10):  
    idx = bisect.bisect_left(price_range, a)  
    print(a, idx)  

结果:

0.5 0  
1.0 1  
1.5 2  
2.0 2  
2.5 3  
3.0 3  
3.5 4  
4.0 4  
4.5 5  
5.0 5  

可以打印索引列表方便对比:

print(*enumerate(price_range))  

结果:

(0, 0.5) (1, 1.0) (2, 2.0) (3, 3.0) (4, 4.0) (5, 5.0) (6, 7.0) (7, 10.0) (8, 15.0) (9, 100000.0)  

经过对比可以看到,二分查找可以正确的找到一个指定的重量在重量区间的索引位置。

于是我们可以构建地区代码和索引位置作联合主键快速查找价格的字典:

cost_dict = {}  
for area_id, area, *prices in cost.values:  
    for idx, price in enumerate(prices):  
        cost_dict[(area_id, idx)] = area, price  

然后就可以批量查找对应的运费了:

result = []  
for product_id, area_id, weight in product.values:  
    idx = bisect.bisect_left(price_range, weight)  
    area, price = cost_dict[(area_id, idx)]  
    result.append((product_id, area_id, area, weight, price))  
result = pd.DataFrame(result, columns=["产品ID", "地区代码", "地区缩写", "重量(kg)", "价格"])  
result  

Pandas案例精进 | 结构化数据非等值范围查找 ③

字典查找+二分查找高效匹配的完整代码:

import pandas as pd  
import bisect  

product = pd.read_excel('sample.xlsx', sheet_name='A')  
cost = pd.read_excel('sample.xlsx', sheet_name='B')  
price_range = cost.columns[2:].str.split("~").str[1].astype("float").tolist()  
cost_dict = {}  
for area_id, area, *prices in cost.values:  
    for idx, price in enumerate(prices):  
        cost_dict[(area_id, idx)] = area, price  
result = []  
for product_id, area_id, weight in product.values:  
    idx = bisect.bisect_left(price_range, weight)  
    area, price = cost_dict[(area_id, idx)]  
    result.append((product_id, area_id, area, weight, price))  
result = pd.DataFrame(result, columns=["产品ID", "地区代码", "地区缩写", "重量(kg)", "价格"])  
result  

两种算法的性能对比

Pandas案例精进 | 结构化数据非等值范围查找 ③

可以看到即使如此小的数据量下依然存在几十倍的性能差异,将来更大的数量量时,性能差异会更大。

将非等值连接转换为等值连接

基于以上测试,我们可以将非等值连接转换为等值连接直接连接出结果,完整代码如下:

import pandas as pd  
import bisect  

product = pd.read_excel('sample.xlsx', sheet_name='A')  
cost = pd.read_excel('sample.xlsx', sheet_name='B')  
price_range = cost.columns[2:].str.split("~").str[1].astype("float").tolist()  
cost.columns = ["地区代码", "地区缩写"]+list(range(cost.shape[1]-2))  
cost = cost.melt(id_vars=["地区代码", "地区缩写"],  
                       var_name='idx', value_name='运费')  
product["idx"] = product["重量(kg)"].apply(  
    lambda weight: bisect.bisect_left(price_range, weight))  
result = pd.merge(product, cost, on=['地区代码', 'idx'], how='left')  
result.drop(columns=["idx"], inplace=True)  
result  

Pandas案例精进 | 结构化数据非等值范围查找 ③

该方法的平均耗时为6ms:

Pandas案例精进 | 结构化数据非等值范围查找 ③

欢迎你在下方评论区留言,发表你的看法,给大家分享和互动!

如果大家喜欢我的文章,请动动你的小手,点个赞吧~

Pandas案例精进 | 结构化数据非等值范围查找 ③

本文转转自微信公众号凹凸数据原创[https://mp.weixin.qq.com/s/gMAKutucqkS04Eofp-Qjsg(https://mp.weixin.qq.com/s/gMAKutucqkS04Eofp-Qjsg),可扫描二维码进行关注: Pandas案例精进 | 结构化数据非等值范围查找 ③ 如有侵权,请联系删除。

收藏
评论区

相关推荐

Pandas案例精进 | 结构化数据非等值范围查找 ③
(https://imghelloworld.osscnbeijing.aliyuncs.com/e6c2856ad5883bc1c88c2f0737ef232e.png) 大家好,我是小五🐶 欢迎来到👉「Pandas案例精进」专栏(https://mp.weixin.qq.com/mp/appmsgalbum?__bizMz
Pandas案例精进 | 结构化数据非等值范围查找 ①
(https://imghelloworld.osscnbeijing.aliyuncs.com/dac5483b3517ff8a0968fc75987d12ad.png) 大家好,我是小五🐶 欢迎来到「Pandas案例精进(https://mp.weixin.qq.com/mp/appmsgalbum?__bizMzU5Nzg5
Pandas案例精进 | 结构化数据非等值范围查找 ②
(https://imghelloworld.osscnbeijing.aliyuncs.com/4971fbce1ecb759123ecc666f3af2c31.png) 大家好,我是小五🐶 欢迎来到「Pandas案例精进」专栏(https://mp.weixin.qq.com/mp/appmsgalbum?__bizMzU5Nzg
Pandas案例精进 | 续集:自动分割汇总表写入到子表
(https://imghelloworld.osscnbeijing.aliyuncs.com/0d046e77f6ee65ce132919966585165a.png) 大家好! 欢迎来到「Pandas案例精进」专栏(https://mp.weixin.qq.com/mp/appmsgalbum?__bizMzU5Nzg5OD
Pandas案例精进 | 自动分割汇总表写入到子表
(https://imghelloworld.osscnbeijing.aliyuncs.com/f5b70d401be96176067dfe8304143ead.png) 大家好! 欢迎来到「Pandas案例精进」专栏 今天分享的是一个之前的案例,里面涉及的方法可能有些过时,但处理思想仍有较高的参考价值。 Pandas案例需求
Pandas统计分析基础(基础篇,新手必看)
Pandas统计分析基础Pandas(Python Data Analysis Library)是基于NumPy的数据分析模块,它提供了大量标准数据模型和高效操作大型数据集所需的工具,可以说Pandas是使得Pyth
Pandas数据载入与预处理(详细的数据Python处理方法)
Pandas数据载入与预处理对于数据分析而言,数据大部分来源于外部数据,如常用的CSV文件、Excel文件和数据库文件等。Pandas库将外部数据转换为DataFrame数据格式,处理完成后再存储到相应的外部文件
Python数据分析实战(2)使用Pandas进行数据分析
一、Pandas的使用 1.Pandas介绍Pandas的主要应用包括: 数据读取 数据集成 透视表 数据聚合与分组运算 分段统计 数据可视化Pandas的使用很灵活,最重要的两个数据类型是DataFrame和Series。对DataFrame最直观的理解是把它当成一个Excel表格文件,如下:索引是从0开始的,也
分享5个高效的pandas函数!
熟练掌握pandas函数都能帮我们在数据分析过程中节省时间。pandas还有很多让人舒适的用法,这次就为大家介绍5个pandas函数!本文来源towardsdatascience,作者Soner Yıldırım,由Python大数据分析编译。1\. explodeexplode用于将一行数据展开成多行。比如说dataframe中某一行其中一个元素包含多个同
再见,Excel!一行Pandas代码,即可实现漂亮的 “条件格式”!
本文概述Pandas 是数据科学家做数据处理时,使用最多的工具。对比Excel,我们可以发现: Pandas基本可以实现所有的Excel的功能,并且比Excel更方便、简洁,其实很多操作我们在过去的文章中,或多或少都讲述过。但是在数据框上,完成各种 “条件格式” 的设置,帮助我们更加凸显数据,使得数据的展示更加美观,今天还是头一次讲述。上图左表展示的是某班级
天秀!一张图就能彻底搞定Pandas!
大家好,在三月初,我曾给大家分享过一份Matplotlib绘图小抄,详见昨天在面向GitHub编程时,无意发现了Pandas官方竟提供了同款小抄,项目地址如下https://github.com/pandasdev/pandas/blob/master/doc/cheatsheet/PandasCheatSheet.pdf 可以看到这份小抄提供了PPT和P
再见 for 循环!pandas 提速 315 倍!
来源:Python数据科学 作者:东哥起飞上一篇分享了一个从时间处理上的加速方法「」,本篇分享一个更常用的加速骚操作。for是所有编程语言的基础语法,初学者为了快速实现功能,依懒性较强。但如果从运算时间性能上考虑可能不是特别好的选择。本次东哥介绍几个常见的提速方法,一个比一个快,了解pandas本质,才能知道如何提速。下面是一个例子,数据获取方式见文末。
总结了pandas提取数据的15种方法,统统只需1行代码,真香!
pandas是python数据分析必备工具,它有强大的数据清洗能力,往往能用非常少的代码实现较复杂的数据处理今天,鸟哥总结了pandas筛选数据的15个常用技巧,主要包括5个知识点:1.比较运算:、<、、、<、!2.范围运算:between(left,right)3.字符筛选:str.contains(pattern或字符串,naFalse)4.逻辑运算:&
Pandas专家总结:指定样式保存excel数据的 “N种” 姿势!
作者:小小明 简介:Pandas数据处理专家,10余年编码经验,至今已帮助过百名以上数据从业人员解决工作实际遇到的问题,其中数据处理和办公自动化问题涉及的行业包括会计、审计、HR、气象工作人员、教师、律师、运营,以及各行业的数据分析师和专做数据分析案例的公众号号主。 若你在数据处理的问题上遇到什么困难,欢迎与我交流。目录 准备数据
14个pandas神操作,手把手教你写代码
「数仓宝贝库」,带你学数据!导读: Pandas是Python数据分析的利器,也是各种数据建模的标准工具。本文带大家入门Pandas,将介绍Python语言、Python数据生态和Pandas的一些基本功能。 在Python语言应用生态中,数据科学领域近年来十分热门。作为数据科学中一个非常基础的库,Pandas受到了广泛关注。Pandas可以将现实中来