dict.values
使用dict来跟踪值,将最后找到的值保留为重要值。在list(dict(map(reversed, enumerate(df.index.get_level_values(0)))).values())
[2, 4, 5]
带循环
创建接受因子分解和唯一值数的函数
^{pr2}$
然后可以用f, u = pd.factorize(df.index.get_level_values(0))
last(f, len(u))
array([2, 4, 5])
然而,通常构造MultiIndex的方式,labels对象已经是因式分解,levels对象是唯一值。在last(df.index.labels[0], df.index.levels[0].size)
array([2, 4, 5])
更重要的是,我们可以使用Numba来使用即时编译来超级充电。在from numba import njit
@njit
def nlast(bins, k):
a = np.zeros(k, np.int64)
for i, b in enumerate(bins):
a[b] = i
return a
nlast(df.index.labels[0], df.index.levels[0].size)
array([2, 4, 5])
时机%%timeit
f, u = pd.factorize(df.index.get_level_values(0))
last(f, len(u))
641 µs ± 9.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)%%timeit
f, u = pd.factorize(df.index.get_level_values(0))
nlast(f, len(u))
264 µs ± 11.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)%%timeit
nlast(df.index.labels[0], len(df.index.levels[0]))
4.06 µs ± 43.6 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)%%timeit
last(df.index.labels[0], len(df.index.levels[0]))
654 µs ± 14.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)%%timeit
list(dict(map(reversed, enumerate(df.index.get_level_values(0)))).values())
709 µs ± 4.94 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
耶斯雷尔的解决方案。也很快。在%timeit start_stop_arr(df.index.get_level_values(0))
113 µs ± 83.1 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
np.unique
我没有计时是因为我不喜欢。见下文:
使用np.unique和return_index参数。这将返回找到每个唯一值的第一个位置。在这之后,我会做一些移动,以得到先前唯一值的最后一个位置。在
注意:如果这个级别中的值是连续的。如果他们没有,我们就不得不做排序和取消排序,这是不值得的。除非是真的,否则我会教你怎么做。在i = np.unique(df.index.get_level_values(0), return_index=True)[1]
np.append(i[1:], len(df)) - 1
array([2, 4, 5])
设置df = pd.DataFrame({'A':list('abcdef'),
'B':[4,5,4,5,5,4],
'C':[7,8,9,4,2,3],
'D':[1,3,5,7,1,0],
'E':[5,3,6,9,2,4],
'F':list('aaabbc')}).set_index(['F','A','B'])