df.apply的向量化版本（lambda x：x.value_counts（））

Question

我有一个数据框，其中有一些时间序列平衡。看起来像

      Run1    Run2    Run3    ...    Run10000
2018  100     100     100              100
2019 101.2   99.2    101.0    ...     101.6
...
2038 142.2   151.3   102.7    ...     173.0

基本上，我想检查一下有多少次试验跌至某个数字以下，例如起始余额的90％。

当前我正在做

((portfolio_values < starting_value*0.9).apply(lambda x: x.value_counts()).loc[True] > 0).value_counts().loc[True]

很抱歉，一个班轮非常凶猛，但是它的想法是，它根据表中的值是否低于起始值的90％创建一个掩码，然后通过并计算True和False值。然后，它会检查哪些列中的True值非零（这是的，它的确跌破了90％），然后计算出其中有多少是True。

问题在于这真的很慢，而且我确定Pandas具有某种功能，可以正常执行我所要查找的功能。

谢谢！

Answer 1

您可以使用：

(portfolio_values < starting_values*.9).any().sum()

any对于至少满足条件的每一列返回True，然后使用sum来计算列数或根据您的情况计算“运行”。

Answer 2

尝试一下：

mask_df = df < starting_value*0.9
result = mask_df.any()

我在虚拟示例中的控制台中对其进行了测试，它似乎可以正常工作。