我想将一个函数应用于DataFrame的每一列。
将此行应用于哪些行取决于某些特定于列的条件。
使用的参数值还取决于功能。
采取这个非常简单的DataFrame:
>>> df = pd.DataFrame(data=np.arange(15).reshape(5, 3))
>>> df
0 1 2
0 0 1 2
1 3 4 5
2 6 7 8
3 9 10 11
4 12 13 14
我想使用数组中包含的列特定值将函数应用于每列,例如:
>>> multiplier = np.array([0, 100, 1000]) # First column multiplied by 0, second by 100...
我还只想乘以其索引在特定于列的范围内的行,比如说数组中包含的值以下:
>>> limiter = np.array([2, 3, 4]) # Only first two elements in first column get multiplied, first three in second column...
这是可行的:
>>> for i in range(limit.shape[0]):
>>> df.loc[df.index<limit[i], i] = multiplier[i] * df.loc[:, i]
>>> df
0 1 2
0 0 100 2000
1 0 400 5000
2 6 700 8000
3 9 10 11000
4 12 13 14
但是对于我正在处理的大型DataFrame,这种方法太慢了。
有什么办法可以向量化吗?
最佳答案
您可以利用基础的numpy数组。
df = pd.DataFrame(data=pd.np.arange(15).reshape(5, 3))
multiplier = pd.np.array([0, 100, 1000])
limit = pd.np.array([2, 3, 4])
df1 = df.values
for i in pd.np.arange(limit.size):
df1[: limit[i], i] = df1[: limit[i], i] * multiplier[i]
df2 = pd.DataFrame(df1)
print (df2)
0 1 2
0 0 100 2000
1 0 400 5000
2 6 700 8000
3 9 10 11000
4 12 13 14
性能:
# Your implementation
%timeit for i in range(limit.shape[0]): df.loc[df.index<limit[i], i] = multiplier[i] * df.loc[:, i]
3.92 ms ± 120 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
# Numpy implementation (High Performance Gain)
%timeit for i in pd.np.arange(limit.size): df1[: limit[i], i] = df1[: limit[i], i] * multiplier[i]
25 µs ± 1.27 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
关于python - 根据特定于列的条件,将函数应用于DataFrame的每一列而无循环,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/52921225/