numpy库是否包含？

Question

像这样：

这样做有效：

df.C = np.where((df.C.values == 'yes')), 'no', df.C.values)

但是如果这个词是这一行的一部分，而不是整行，那么就需要熊猫的“包含”之类的词。你知道吗

df.C = np.where((df.C.values.contains('ye')), 'no', df.C.values)

但这行不通。你知道吗

我想用numpy，因为速度快。你知道吗

Answer 1

使用^{}：

df.C = np.where(df.C.str.contains('ye').values, 'no', df.C.values)

如果性能很重要：

df.C = np.where(['ye' in x for x in df.C], 'no', df.C.values)

df.loc[['ye' in x for x in df.C], 'C'] = 'no'

性能：

df = pd.DataFrame({'C':['aa ss ye','a s d','fff', 'yeye']})

#[40000 rows x 1 columns]
df = pd.concat([df] * 10000, ignore_index=True)
print (df)

In [13]: %timeit df.C = np.where(df.C.str.contains('ye').values, 'no', df.C.values)
21.6 ms ± 294 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [14]: %timeit df.C = np.where(['ye' in x for x in df.C], 'no', df.C.values)
3.29 ms ± 49.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [15]: %timeit df.loc[['ye' in x for x in df.C], 'C'] = 'no'
5.26 ms ± 105 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

pandas中的字符串操作很慢，所以最快的是使用列表理解和in。实际数据中的计时应该是不同的，因为这取决于匹配值的数量和DataFrame的长度。你知道吗