Создаем пример DataFrame для тестов:
In [27]: df = pd.DataFrame(np.random.choice([1,2,3], size=(5, 3)), columns=list("RFM"))
In [28]: df
Out[28]:
R F M
0 1 2 3
1 1 2 3
2 1 3 2
3 2 3 2
4 1 2 1
Решения:
Вариант 1: умножаем матрицу на вектор - этот вариант будет работать только если значения столбцов ['R']
, ['F']
, ['M']
состоят из одной цифры:
In [29]: df["RFM_Segment"] = df[list("RFM")] @ [100, 10, 1]
In [30]: df
Out[30]:
R F M RFM_Segment
0 1 2 3 123
1 1 2 3 123
2 1 3 2 132
3 2 3 2 232
4 1 2 1 121
In [31]: df.dtypes
Out[31]:
R int32
F int32
M int32
RFM_Segment int32
dtype: object
Вариант 2: склеиваем строки - будет работать для любых значений:
df['RFM_Segment'] = \
df['R'].astype(str) + \
df['F'].astype(str) + \
df['M'].astype(str)
Вариант 3: склеиваем строки при помощи метода .sum(axis=1)
:
In [32]: df[list("RFM")].astype(str).sum(axis=1)
Out[32]:
0 123.0
1 123.0
2 132.0
3 232.0
4 121.0
dtype: float64
метод .sum()
предназначен для работы с числами, поэтому Pandas попробовал преобразовать результат к числовому типу. Если бы у нас были значения, которые невозможно преобразовать к числу, то Pandas не делал бы преобразований и оставил склееные строки. В случае числовых значений можно преобразовать все к целым значениям:
In [34]: df[list("RFM")].astype(str).sum(axis=1).astype(int)
Out[34]:
0 123
1 123
2 132
3 232
4 121
dtype: int32
Вариант 4: склеиваем строки при помощи метода Series.str.cat():
In [57]: df["R"].astype(str).str.cat(df[["F","M"]].astype(str), sep='')
Out[57]:
0 123
1 123
2 132
3 232
4 121
Name: R, dtype: object
Сравнение производительности различных решений на DataFrame с 100.000 строк:
In [35]: df = pd.DataFrame(np.random.choice([1,2,3], size=(10**5, 3)), columns=list("RFM"))
In [36]: df.shape
Out[36]: (100000, 3)
In [37]: %timeit df[list("RFM")].astype(int) @ [100, 10, 1]
4.61 ms ± 9.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [38]: %timeit df['R'].astype(str) + df['F'].astype(str) + df['M'].astype(str)
222 ms ± 13.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [39]: %timeit df[list("RFM")].astype(str).sum(axis=1).astype(int)
263 ms ± 22.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [40]: %timeit df[['R','F','M']].astype(str).apply(''.join, axis=1)
3.1 s ± 17.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [59]: %timeit df["R"].astype(str).str.cat(df[["F","M"]].astype(str), sep='')
243 ms ± 34.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
самый медленный вариант по сравнению с самым быстрым:
In [41]: 3.1 * 1000 / 4.61
Out[41]: 672.4511930585683