Question

我想以矢量化方式编写以下代码，因为当前代码非常慢（并且想学习Python最佳实践）。基本上，代码说如果今天的价值在昨天价值的10％之内，那么今天的价值（在新栏目中）与昨天的价值相同。否则，今天的价值不变：

def test(df):
    df['OldCol']=(100,115,101,100,99,70,72,75,78,80,110)
    df['NewCol']=df['OldCol']
    for i in range(1,len(df)-1):
        if df['OldCol'][i]/df['OldCol'][i-1]>0.9 and df['OldCol'][i]/df['OldCol'][i-1]<1.1:
            df['NewCol'][i]=df['NewCol'][i-1]
        else:
            df['NewCol'][i]=df['OldCol'][i]
    return df['NewCol']

输出应如下：

    OldCol  NewCol
0      100     100
1      115     115
2      101     101
3      100     101
4       99     101
5       70      70
6       72      70
7       75      70
8       78      70
9       80      70
10     110     110

你能帮忙吗？

我想使用类似的东西，但我无法解决我的问题：

def test(df):
    df['NewCol']=df['OldCol']
    cond=np.where((df['OldCol'].shift(1)/df['OldCol']>0.9) & (df['OldCol'].shift(1)/df['OldCol']<1.1))
    df['NewCol'][cond[0]]=df['NewCol'][cond[0]-1]     
    return df

Answer 1

分三个步骤的解决方案：

df['variation']=(df.OldCol/df.OldCol.shift())
df['gap']=~df.variation.between(0.9,1.1)
df['NewCol']=df.OldCol.where(df.gap).fillna(method='ffill')

对于：

    OldCol  variation    gap  NewCol
0      100        nan   True     100
1      115       1.15   True     115
2      101       0.88   True     101
3      100       0.99  False     101
4       99       0.99  False     101
5       70       0.71   True      70
6       72       1.03  False      70
7       75       1.04  False      70
8       78       1.04  False      70
9       80       1.03  False      70
10     110       1.38   True     110

它似乎比这个例子上的循环快30倍。

在一行中：

x=df.OldCol;df['NewCol']=x.where(~(x/x.shift()).between(0.9,1.1)).fillna(method='ffill')

Answer 2

你应该布尔掩盖原始数据帧：

df[(0.9 <= df['NewCol']/df['OldCol']) & (df['NewCol']/df['OldCol'] <= 1.1)]将为您提供NewCol在OldCol的10％范围内的所有行

所以要在这些行中设置NewCol字段：

within_10 = df[(0.9 <= df['NewCol']/df['OldCol']) & (df['NewCol']/df['OldCol'] <= 1.1)]
within_10['NewCol'] = within_10['OldCol']

Answer 3

由于你似乎在寻找自己的“跳跃”日子的好方法，我只会展示更棘手的一点。因此，假设您有一个长度为old N的numpy数组和相同大小的布尔numpy数组jump。作为惯例，jump的第0个元素设置为True。然后你可以先计算跳跃之间的重复次数：

jump_indices = np.where(jumps)[0]
repeats = np.diff(np.r_[jump_indices, [N]])

一旦有了这些，您可以使用np.repeat：

new = np.repeat(old[jump_indices], repeats)

如何以矢量化方式编写代码而不是使用循环？

3 个答案: