本文介绍了如何使用 Pandas 快速有效地将 DataFrame 列中的数值限制在 0 到 360 之间。通过利用 Pandas 的向量化操作，避免了低效的循环，从而显著提高了处理大型数据集的效率。文章提供了清晰的代码示例，并解释了如何使用取模运算符 % 或 mod() 函数来实现这一目标。
在数据处理过程中，经常需要将数值限制在特定范围内。例如，在处理角度数据时，可能需要将所有角度值都规范化到 0 到 360 度之间。对于 Pandas DataFrame 来说，如果直接使用循环遍历每一行进行处理，效率会非常低下。本文将介绍如何利用 Pandas 的向量化操作，高效地实现这一目标。
最简单且最高效的方法是使用取模运算符 %。该运算符返回除法的余数。对于将数值限制在 0 到 360 之间，只需要对 DataFrame 列应用 % 360 即可。
import pandas as pd
# 创建示例 DataFrame
data = {'date': ['2009-01-01', '2009-01-02', '2009-01-03', '2009-01-04', '2009-01-05', '2009-01-06', '2009-01-07', '2009-01-08', '2009-01-09', '2009-01-10', '2009-01-11', '2009-01-12'],
'value': [886.0, 884.2, 882.1, 882.6, 883.4, 889.1, 887.6, 882.5, 879.7, 878.3, 876.6, 875.2]}
df = pd.DataFrame(data)
# 使用取模运算符限制数值
df['modulo'] = df['value'] % 360
print(df)输出:
date value modulo 0 2009-01-01 886.0 166.0 1 2009-01-02 884.2 164.2 2 2009-01-03 882.1 162.1 3 2009-01-04 882.6 162.6 4 2009-01-05 883.4 163.4 5 2009-01-06 889.1 169.1 6 2009-01-07 887.6 167.6 7 2009-01-08 882.5 162.5 8 2009-01-09 879.7 159.7 9 2009-01-10 878.3 158.3 10 2009-01-11 876.6 156.6 11 2009-01-12 875.2 155.2
Pandas 也提供了 mod() 函数，其功能与取模运算符相同，但使用函数调用的方式。
import pandas as pd
# 创建示例 DataFrame
data = {'date': ['2009-01-01', '2009-01-02', '2009-01-03', '2009-01-04', '2009-01-05', '2009-01-06', '2009-01-07', '2009-01-08', '2009-01-09', '2009-01-10', '2009-01-11', '2009-01-12'],
'value': [886.0, 884.2, 882.1, 882.6, 883.4, 889.1, 887.6, 882.5, 879.7, 878.3, 876.6, 875.2]}
df = pd.DataFrame(data)
# 使用 mod() 函数限制数值
df['modulo'] = df['value'].mod(360)
print(df)输出:
date value modulo 0 2009-01-01 886.0 166.0 1 2009-01-02 884.2 164.2 2 2009-01-03 882.1 162.1 3 2009-01-04 882.6 162.6 4 2009-01-05 883.4 163.4 5 2009-01-06 889.1 169.1 6 2009-01-07 887.6 167.6 7 2009-01-08 882.5 162.5 8 2009-01-09 879.7 159.7 9 2009-01-10 878.3 158.3 10 2009-01-11 876.6 156.6 11 2009-01-12 875.2 155.2
对于大型 DataFrame，使用向量化操作（如 % 运算符或 mod() 函数）比循环遍历每一行要快得多。这是因为 Pandas 内部使用了优化后的 C 代码来执行这些操作。 因此，在处理大数据集时，请务必避免使用循环，而应尽可能利用 Pandas 的向量化功能。
本文介绍了如何使用 Pandas 将 DataFrame 列中的数值限制在 360 以内。 使用取模运算符 % 或 mod() 函数可以高效地实现这一目标，尤其是在处理大型数据集时。 记住，向量化操作是提高 Pandas 代码性能的关键。
以上就是如何高效地将 Pandas DataFrame 列中的数值限制在 360 以内的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
987
收藏
