2

¿Cómo están? Espero que muy bien Tengo un problema con un Data Frame mi idea es ver qué valores de una lista están en el df. Si se encuentra, agregar en la columna 3 de este df un 1, si no se encuentra un 0.

Ejemplo df=

     A      B  
0  rar    csa  
1  eur    dee  
3  bar    esa  
6  foo    dsd  
7  foo    aaa  

luego tengo la siguiente lista=['iia','rar','lan','foo','air'] y me gustaría que todos los valores de esta lista que se encuentran en la columna A del dataframe (df ['A']) sean aclarados en una una tercera columna "C" con 0 (si no se encuentra) y 1 (si se encuentra ). Quedaría de la siguiente manera

     A      B  C
0  rar    csa  1
1  eur    dee  0
3  bar    esa  0
6  foo    dsd  1
7  foo    aaa  1

el código que se me ocurrió fue un for (de hecho convertí la lista en otro df)... pero esto tarda muchisimo en recorrer toda la lista (son mas de 18mil datos) estoy seguro que tiene que haber una manera mas rápida. Saludos

cuento=0
df[3]=0
for i in df[0]:
    for e in df2[0]:
        if str(i) == str(e):
            df[3][cuento]="1"
        else:
            df[3][cuento]="0"
    cuento=cuento+1

2 respuestas 2

3

Un bucle es siempre la peor forma de usar pandas, pues pandas tiene funciones "vectorizadas" que actúan "a la vez" (es una forma de hablar) sobre todos los valores de una columna o de un dataframe. En realidad no actúan a la vez, obviamente, internamente pandas hace un bucle, pero hay una diferencia abismal en el rendimiento entre dejar que sea pandas quien internamente haga el bucle o hacerlo tú con python. Ello se debe a que buena parte de pandas descansa en numpy, que está implementado en C y altamente optimizado.

Dicho esto, para tu caso pandas tiene una función que sería pandas.Series.isin() que permite precisamente verificar si cada elemento de una Serie (una columna) está o no en una lista que le pases como parámetro, así:

df.A.isin(lista)

el resultado es otr Serie de booleanos, con True o False según el elemento esté o no en la lista. Si lo que quieres son ceros y unos, puedes convertir el booleano a entero, por ejemplo sumándole 0. Esto puede hacerse también en forma vectorizada, sin iterar, sumando 0 a la columna completa.

Así pues, la solución completa para tu caso se resuelve con dos líneas:

lista=['iia','rar','lan','foo','air']
df["C"] = df.A.isin(lista)+0

El resultado en tu caso sale:

     A    B  C
0  rar  csa  1
1  eur  dee  0
3  bar  esa  0
6  foo  dsd  1
7  foo  aaa  1

Si no te gusta el "hack" de sumar 0, puedes también convertir el booleano en entero así:

df.A.isin(lista).astype(int)

Nota. Por curiosidad me gustaría que indicaras en un comentario la diferencia en el tiempo de ejecución entre tu solución mediante bucles y esta otra solución vectorizada.

2
  • muy bueno , la verdad no entendí como funciono el +0, me lo podrías explicar ? de verdad que me gusto mucho ese "hack" jajaja Commented el 26 jun. 2020 a las 11:01
  • Bueno, cuando intentas operar con un booleano en un contexto de una operación matemática (suma, multiplicación, etc..) en ese momento Python lo convierte a entero para poder hacer la operación, y convierte True en 1 y False en 0. Al sumarles 0 no cambian su valor. Otro ejemplo, si haces booleano*2, el resultado sería 0 si el booleano era False, o será 2 (1*2) si el booleano era True.
    – abulafia
    Commented el 26 jun. 2020 a las 11:03
2

Puedes hacerlo usando una función lambda, así:

import pandas as pd

df=pd.DataFrame({'A': ['rar', 'eur', 'bar','foo','foo'], 'B': ['csa', 'dee', 'esa','dss','aaa']})

lista = ['iia', 'rar', 'lan', 'foo', 'air']

df['C']= df['A'].apply(lambda x: 1 if (x in lista) else 0)
print(df)

En este caso, la función lambda está evaluando la condición if para cada x (cada valor en df['A']) y retorna 1 si es verdadero, 0 si es falso.

Bienvenido a StackOverflow.

1
  • Te dejo aquí un enlace con explicación y ejemplo de funciones lambda
    – EJS
    Commented el 26 jun. 2020 a las 7:40

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.