Question

我有大约50万笔贷款的历史收集，其中一些已经违约，有些则没有。我的数据框是lcd_temp。如果贷款违约（lcd_temp），年贷款利率（loan_amnt），贷款期限Total Defaults，则clean_rate有贷款额度（clean_term）的信息。 1}}），从发起到默认的几个月（mos_to_default）。如果没有默认值，则mos_to_default等于clean_term。

我想计算每笔贷款的累积现金流[cum_cf]，作为默认情况下支付的所有优惠券的总和加上（1严重性）贷款违约，如果是loan_amnt按时还钱。

这是我的代码，需要花费很长时间才能运行：

severity = 1

for i in range (0,len(lcd_temp['Total_Defaults'])-1):
    if (lcd_temp.loc[i,'Total_Defaults'] ==1):
    # Default, pay coupon only until time of default, plus (1-severity)
        lcd_temp.loc[i,'cum_cf'] = ((lcd_temp.loc[i,'mos_to_default'] /12)  * lcd_temp.loc[i,'clean_rate'])+(1 severity)*lcd_temp.loc[i,'loan_amnt']
    else: 
    # Total cf is sum of coupons (non compounded) + principal 
        lcd_temp.loc[i,'cum_cf'] = (1+lcd_temp.loc[i,'clean_term']/12* lcd_temp.loc[i,'clean_rate'])*lcd_temp.loc[i,'loan_amnt']

欢迎任何有关提高速度（至少需要一个小时）的想法或建议！

Answer 1

假设您正在使用Pandas / NumPy，替换if-then构造（例如您正在使用的构造）的标准方法是使用np.where(mask, A, B)。 mask是一个布尔值数组。如果为True，则返回A的相应值。如果为False，则返回B的相应值。结果是一个与mask形状相同的数组，其值为A和/或B。

severity = 1

mask = (lcd_temp['Total_Defaults'] == 1)
A = (((lcd_temp['mos_to_default'] /12) * lcd_temp['clean_rate'])
     + (1 severity)*lcd_temp['loan_amnt'])
B = (1+lcd_temp['clean_term']/12 * lcd_temp['clean_rate'])*lcd_temp['loan_amnt']

lcd_temp['cum_cf'] = np.where(mask, A, B)

请注意，这会对整列而不是逐行执行计算。这大大提高了性能，因为它为Pandas / NumPy提供了将更大的值数组传递给快速底层C / Fortran函数的机会（在这种情况下，执行算术）。当你逐行工作时，你在Python循环中执行标量算术，这使得NumPy没有机会闪耀。如果你必须逐行计算，那么使用普通的Python就可以了（也许更好）。

即使A和B计算整个列的值 - 并且某些值未在np.where返回的最终结果中使用 - 这仍然比计算更快假设行数超过一定数量，逐行排列。

如何使这个循环更有效？

1 个答案: