Question

我想将一个函数应用于DataFrame的每一列。
将其应用于哪行取决于某些特定于列的条件。
使用的参数值还取决于功能。

使用这个非常简单的DataFrame：

>>> df = pd.DataFrame(data=np.arange(15).reshape(5, 3))
>>> df

    0   1   2
0   0   1   2
1   3   4   5
2   6   7   8
3   9   10  11
4   12  13  14

我想使用数组中包含的列特定值对每个列应用函数，例如：

>>> multiplier = np.array([0, 100, 1000]) # First column multiplied by 0, second by 100...

我也只想乘以其索引在特定于列的范围内的行，例如在数组中包含的值下方：

>>> limiter = np.array([2, 3, 4]) # Only first two elements in first column get multiplied, first three in second column...

这是什么工作：

>>> for i in range(limit.shape[0]):
>>>     df.loc[df.index<limit[i], i] = multiplier[i] * df.loc[:, i]
>>> df

    0   1   2
0   0   100 2000
1   0   400 5000
2   6   700 8000
3   9   10  11000
4   12  13  14

但是对于我正在处理的大型DataFrame来说，这种方法太慢了。

是否有某种方法可以向量化？

Answer 1

您可以利用基础的 numpy 数组。

df = pd.DataFrame(data=pd.np.arange(15).reshape(5, 3))

multiplier = pd.np.array([0, 100, 1000])
limit = pd.np.array([2, 3, 4])

df1 = df.values

for i in pd.np.arange(limit.size): 
    df1[: limit[i], i] = df1[: limit[i], i] * multiplier[i]

df2 = pd.DataFrame(df1)

print (df2)


     0    1      2
0    0  100    2000
1    0  400    5000
2    6  700    8000
3    9   10   11000
4   12   13      14

性能：

# Your implementation
%timeit for i in range(limit.shape[0]): df.loc[df.index<limit[i], i] = multiplier[i] * df.loc[:, i]
3.92 ms ± 120 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

# Numpy implementation (High Performance Gain)
%timeit for i in pd.np.arange(limit.size): df1[: limit[i], i] = df1[: limit[i], i] * multiplier[i]
25 µs ± 1.27 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

根据没有循环的列特定条件将功能应用于DataFrame的每一列

1 个答案: