Question

我有一个数据框，其中仅获取数字列的子集，计算每个数字列的5天滚动平均值，并将其作为新列添加到df中。

这种方法行得通，但目前需要相当长的时间（每列8秒）。我想知道是否有更好的方法可以做到这一点。

我目前正在做的工作玩具示例：

data = {'Group': ['A','A','A','A','A','A','B','B','B','B','B','C','C','C','C','C'],
        'Year' : ['2017', '2017', '2017', '2018', '2018', '2018', '2017', '2017', '2018', '2018', '2017', '2017', '2017', '2017', '2018', '2018'],
        'Score 1' : [1,2,3,4,5,6,1,2,3,4,5,1,2,3,4,5],
       'Score 2': [1,4,5,7,5,5,6,1,4,5,6,7,4,6,4,6]}
df = pd.DataFrame(data)

for col in ['Score 1', 'Score 2']:
    df[col + '_avg'] = df.groupby(['Year', 'Group'])[col].apply(lambda x: x.rolling(2, 1).mean().shift().bfill())

Answer 1

对于任何对此感兴趣的人，我都可以通过首先排序并避免使用lambda函数来显着加快速度：

return_df[col + '_avg'] = df.sort_values(['Group', 'Year']).groupby(['Group'])[col].rolling(2,1).mean().shift().values

熊猫-将滚动速度应用于列速度

1 个答案: