關于你的第一個問題,我不能確切地說為什么這個例子很慢.但通常,apply不會利用矢量化.此外,apply返回一個新的Series或DataFrame對象,因此對于一個非常大的DataFrame,你有相當大的IO開銷(我無法保證在Pandas有大量內部實現優化的情況下,這種情況是100％的情況).

對于您的第一種方法,我假設您嘗試使用p_dict作為查找表填充df中的“值”列.使用pd.merge快大約1000倍：

import string, sys

import numpy as np

import pandas as pd

##

# Part 1 - filling a column by a lookup table

##

def f1(col, p_dict):

return [p_dict[p_dict['ID'] == s]['value'].values[0] for s in col]

# Testing

n_size = 1000

np.random.seed(997)

p_dict = pd.DataFrame({'ID': [s for s in string.ascii_uppercase], 'value': np.random.randint(0,n_size, 26)})

df = pd.DataFrame({'p_id': [string.ascii_uppercase[i] for i in np.random.randint(0,26, n_size)]})

# Apply the f1 method as posted

%timeit -n1 -r5 temp = df.apply(f1, args=(p_dict,))

>>> 1 loops, best of 5: 832 ms per loop

# Using merge

np.random.seed(997)

df = pd.DataFrame({'p_id': [string.ascii_uppercase[i] for i in np.random.randint(0,26, n_size)]})

%timeit -n1 -r5 temp = pd.merge(df, p_dict, how='inner', left_on='p_id', right_on='ID', copy=False)

>>> 1000 loops, best of 5: 826 ?s per loop

關于第二個任務,我們可以快速向p_dict添加一個新列,它計算時間窗口從min_week_num開始的平均值,并在p_dict中該行的一周結束.這要求p_dict按WEEK列的升序排序.然后你可以再次使用pd.merge.

我假設min_week_num在以下示例中為0.但您可以輕松修改rolling_growing_mean以獲取不同的值. rolling_growing_mean方法將在O(n)中運行,因為它每次迭代執行固定數量的操作.

n_size = 1000

np.random.seed(997)

p_dict = pd.DataFrame({'WEEK': range(52), 'value': np.random.randint(0, 1000, 52)})

df = pd.DataFrame({'WEEK': np.random.randint(0, 52, n_size)})

def rolling_growing_mean(values):

out = np.empty(len(values))

out[0] = values[0]

# Time window for taking mean grows each step

for i, v in enumerate(values[1:]):

out[i+1] = np.true_divide(out[i]*(i+1) + v, i+2)

return out

p_dict['Means'] = rolling_growing_mean(p_dict['value'])

df_merged = pd.merge(df, p_dict, how='inner', left_on='WEEK', right_on='WEEK')

總結

以上是生活随笔為你收集整理的python panda apply_python – Pandas – 关于apply函数缓慢的解释的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。