Question

我有一个时间序列数据帧，其中有1或0（对/错）。我编写了一个循环遍历所有值为1的行的函数。给定用户定义的整数参数n_hold，我将从初始行开始将值1设置为n行。

例如，在下面的数据框中，我将循环到第2016-08-05行。如果为n_hold = 2，那么我也将2016-08-08和2016-08-09都设置为1。

2016-08-03    0
2016-08-04    0
2016-08-05    1
2016-08-08    0
2016-08-09    0
2016-08-10    0

然后生成的df将是

2016-08-03    0
2016-08-04    0
2016-08-05    1
2016-08-08    1
2016-08-09    1
2016-08-10    0

我遇到的问题是这正在运行10万次，而我当前的解决方案是遍历有行且子集太慢的行。我想知道是否有解决上述问题的方法真的很快。

这是我的（慢速）解决方案，x是初始信号数据帧：

n_hold = 2
entry_sig_diff = x.diff()
entry_sig_dt = entry_sig_diff[entry_sig_diff == 1].index
final_signal = x * 0
for i in range(0, len(entry_sig_dt)):
    row_idx = entry_sig_diff.index.get_loc(entry_sig_dt[i])

    if (row_idx + n_hold) >= len(x):
        break

    final_signal[row_idx:(row_idx + n_hold + 1)] = 1

Answer 1

完全更改了答案，因为与连续的1值不同地工作：

说明：

解决方案先将{连续的1删除，然后将where与链式布尔掩码通过将ne与shift到{{1 }}，将!=用NaN参数向前填充，最后将ffill替换回：

limit

计时和比较输出：

n_hold = 2
s = x.where(x.ne(x.shift()) & (x == 1)).ffill(limit=n_hold).fillna(0, downcast='int')

时间：

np.random.seed(123)
x = pd.Series(np.random.choice([0,1], p=(.8,.2), size=1000))
x1 = x.copy()
#print (x)


def orig(x):
    n_hold = 2
    entry_sig_diff = x.diff()
    entry_sig_dt = entry_sig_diff[entry_sig_diff == 1].index
    final_signal = x * 0
    for i in range(0, len(entry_sig_dt)):
        row_idx = entry_sig_diff.index.get_loc(entry_sig_dt[i])

        if (row_idx + n_hold) >= len(x):
            break

        final_signal[row_idx:(row_idx + n_hold + 1)] = 1
    return final_signal

#print (orig(x))

Python设置值不带循环

1 个答案: