Question

我是Python新手，我不知道如何解决以下问题。

我有一个功能：

def EOQ(D,p,ck,ch):
    Q = math.sqrt((2*D*ck)/(ch*p))
    return Q

说我有数据框

df = pd.DataFrame({"D": [10,20,30], "p": [20, 30, 10]})

    D   p
0   10  20
1   20  30
2   30  10

ch=0.2
ck=5

ch和ck是浮点类型。现在我想将公式应用于数据帧的每一行，并将其作为额外的行返回＆＃39; Q＆＃39;。一个例子（不起作用）将是：

df['Q']= map(lambda p, D: EOQ(D,p,ck,ch),df['p'], df['D'])

（仅返回＆＃39;地图＆＃39;类型）

我的项目中需要更多这种类型的处理，我希望找到有用的东西。

Answer 1

以下内容应该有效：

def EOQ(D,p,ck,ch):
    Q = math.sqrt((2*D*ck)/(ch*p))
    return Q
ch=0.2
ck=5
df['Q'] = df.apply(lambda row: EOQ(row['D'], row['p'], ck, ch), axis=1)
df

如果您所做的只是计算某些结果的平方根，那么请使用np.sqrt方法进行矢量化并显着加快：

In [80]:
df['Q'] = np.sqrt((2*df['D']*ck)/(ch*df['p']))

df
Out[80]:
    D   p          Q
0  10  20   5.000000
1  20  30   5.773503
2  30  10  12.247449

<强>计时

对于30k行df：

In [92]:

import math
ch=0.2
ck=5
def EOQ(D,p,ck,ch):
    Q = math.sqrt((2*D*ck)/(ch*p))
    return Q

%timeit np.sqrt((2*df['D']*ck)/(ch*df['p']))
%timeit df.apply(lambda row: EOQ(row['D'], row['p'], ck, ch), axis=1)
1000 loops, best of 3: 622 µs per loop
1 loops, best of 3: 1.19 s per loop

你可以看到np方法快〜1900 X

如何在数据帧的每一行上应用函数？

1 个答案: