Jaki jest najskuteczniejszy sposób tworzenia słownika słupków Dfr.

Question

Jaki jest najbardziej efektywny sposób zorganizować następujące pandy Dataframe:

danych =

Position Letter 
1   a 
2   b 
3   c 
4   d 
5   e 

do słownika jak alphabet[1 : 'a', 2 : 'b', 3 : 'c', 4 : 'd', 5 : 'e']?

Answer 1

In [9]: Series(df.Letter.values,index=df.Position).to_dict() 
Out[9]: {1: 'a', 2: 'b', 3: 'c', 4: 'd', 5: 'e'} 

Prędkość comparion (stosując metodę Wouter za)

In [6]: df = DataFrame(randint(0,10,10000).reshape(5000,2),columns=list('AB')) 

In [7]: %timeit dict(zip(df.A,df.B)) 
1000 loops, best of 3: 1.27 ms per loop 

In [8]: %timeit Series(df.A.values,index=df.B).to_dict() 
1000 loops, best of 3: 987 us per loop 

Answer 2

znalazłem szybszy sposób, aby rozwiązać problem, przynajmniej na realistycznie dużych zestawów danych przy użyciu: df.set_index(KEY).to_dict()[VALUE]

Dowód na 50.000 wierszy:

df = pd.DataFrame(np.random.randint(32, 120, 100000).reshape(50000,2),columns=list('AB')) 
df['A'] = df['A'].apply(chr) 

%timeit dict(zip(df.A,df.B)) 
%timeit pd.Series(df.A.values,index=df.B).to_dict() 
%timeit df.set_index('A').to_dict()['B'] 

Wyjście:

100 loops, best of 3: 7.04 ms per loop # WouterOvermeire 
100 loops, best of 3: 9.83 ms per loop # Jeff 
100 loops, best of 3: 4.28 ms per loop # Kikohs (me)