Question

def encoder(expiry_dt,expiry1,expiry2,expiry3):
    if expiry_dt == expiry1:
        return 1
    if expiry_dt == expiry2:
        return 2
    if expiry_dt == expiry3:
        return 3



FINAL['Expiry_encodings'] = FINAL.apply(lambda row: '{0}_{1}_{2}_{3}_{4}'.format(row['SYMBOL'],row['INSTRUMENT'],row['STRIKE_PR'],row['OPTION_TYP'], encoder(row['EXPIRY_DT'],
                                                                                                                                             row['Expiry1'],
                                                                                                                                             row['Expiry2'],
                                                                                                                                             row['Expiry3'])), axis =1)

代码运行得很好，但是速度太慢，是否还有其他选择可以在更短的时间内实现呢？

Answer 1

尝试以下操作：

FINAL['expiry_number'] = '0'
for c in '321':
    FINAL.loc[FINAL['EXPIRY_DT'] == FINAL['Expiry'+c], 'expiry_number'] = c

FINAL['Expiry_encodings'] = FINAL['SYMBOL'].astype(str) + '_' + \
    FINAL['INSTRUMENT'].astype(str) + '_' + FINAL['STRIKE_PR'].astype(str) + \
    '_' + FINAL['OPTION_TYP'].astype(str) + '_' + FINAL['expiry_number']

这避免了三个if语句，如果所有if语句的求值都不为'0'，则具有默认值（True），并避免了所有字符串格式；除此之外，它还避免了使用apply的{{1}}方法。

注意lambda的顺序：这反映了原始代码部分中if链的评估顺序：'321'的优先级最低，在这里给出的代码中，它是首先被＃2覆盖，然后被＃1覆盖。考虑到最高优先级，原始的if链将在＃1处捷径。例如，如果'Expiry3'和'Expiry1'具有相同的值（等于'Expiry3'），则分配的值为'EXPIRY_DT'，而不是1。

Answer 2

解决方案与上面相同，只是稍有变化，

FINAL['expiry_number'] = '0'
    for c in '321':
        FINAL.loc[FINAL['EXPIRY_DT'] == FINAL['Expiry'+c], 'expiry_number'] = c

    FINAL['Expiry_encodings'] = FINAL['SYMBOL'].astype(str) + '_' + \
    FINAL['INSTRUMENT'].astype(str) + '_' + FINAL['STRIKE_PR'].astype(str) + \
    '_' + FINAL['OPTION_TYP'].astype(str) +' _' + FINAL['expiry_number']

如何优化下面的代码以更快地运行，我的数据框的大小将近100,000个数据点

2 个答案: