Есть список чисел в датафрейме. Из этого списка нужно найти пары чисел a
и b
, такие чтобы a == -b
. Если такие пары есть их нужно дропнуть.
Вопрос собственно в том, как это сделать максимально эффективно?
Условия
a == -b
- Необходимо найти и удалить все пары.
- Числа удаляются только папарно.
- Числа корорые уже входят в пару не могут быть частью другой пары. Т.е. для числа
с
нужно искать другоеd
даже еслис == -b
илис == -a
- Все равно что происходит с нулями
0 == -0
. Можно удалить или оставить, главное чтобы работало быстрее. - Не обязательно, но было бы лучше, если бы растояние по индексу, между парой, было минимальным.
- Порядок чисел не должен поменятся после удаления. Нужно оставить исходные индексы датафрейма.
Текущая реализация
def drop_paired(data:pd.DataFrame, target_column:str):
result = data.copy()
result['index'] = result.index
# Сортируем значения без учета знака
result = result.sort_values([target_column, 'index'], key=abs)
result['drop'] = False
value_a = index_a = np.nan
i = start_i = 0
while i < len(result):
row = result.iloc[i]
# Проверяем не использовано это число в качестве какой либо пары
if(~row['drop']):
# Если значение и индекс первого числа в паре (a) не определены, задаем новые
if(index_a is np.nan):
value_a = row[target_column]
index_a = row['index']
start_i = i
# Если нашли b == -a, ставим пометку на удаление и опустошаем значение и индекс первого числа в паре
elif(row[target_column] == -value_a):
result.loc[row['index'], 'drop'] = True
result.loc[index_a, 'drop'] = True
value_a = index_a = np.nan
# Возвращаемся назад для поисков другой пары среди этих же значений
i = start_i
continue
# Если есть а с более "старшим" индексом, возьмём его, чтобы расстояние между a и b было минимальным
elif(row[target_column] == value_a):
index_a = row['index']
# Если числа не равны по модулю, задаем новые
else:
value_a = row[target_column]
index_a = row['index']
start_i = i
i += 1
result = result[~result['drop']].sort_index()
return result[list(data)]
Результат работы
np.random.seed(0)
df = pd.DataFrame(np.random.randint(-6, 11, 20))
print("До дропа")
display(df.value_counts())
display(df)
print("\n--------------\nПосле дропа")
display(drop_paired(df, 0).value_counts())
drop_paired(df, 0)
Итого
Алгоритм работает, но меня смущает гавнокодовость данного решения. Как сделать лучше?