Question

我正在使用 numpy 利率功能来模拟贷款的 Excel利率功能。

当使用我的数据框的子集（100万条记录）时，该函数返回正确的结果。

但是，当处理整个数据框（超过1000万条记录）时，它会为所有结果返回 null 结果。

这可能是内存问题吗？如果是这样，如何解决？我已经尝试对数据进行分块，并使用while / for循环进行计算，但这并不能解决问题。

这行得通（虽然我遍历了1000万条记录却没有）：

test = df2.iloc[:1000000,:]
test = test.loc[:,['LoanTerm',Instalment,'LoanAmount']]
test['True_Effective_Rate'] = ((1+np.rate(test['LoanTerm'],-test['Instalment'],test['LoanAmount'],0))**12-1)*100

我正在尝试使其工作：

df2['True_Effective_Rate'] = ((1+np.rate(df2['LoanTerm'],-df2['Instalment'],df2['LoanAmount'],0))**12-1)*100

我看到过去曾经问过一个类似的问题，当其中一个参数输入不正确时，所有返回的值都为空。

Using numpy.rate, on numpy array returns nan's unexpectedly

我的数据框虽然没有0值。如何防止这种情况发生？

Answer 1

您可以使用 apply 对每行计算一次此值，因此只有无效行会是 nan，而不是整个结果。

import pandas as pd
import numpy_financial as npf # i get a warning using np.rate
i = {
 'LoanAmount': [5_000,20_000,15_000, 50_000.0, 14_000,1_000_000,10_000],
 'LoanTerm': [72, 12,60, 36,72,12,-1],
 'Instalment': [336.0,5000.0,333.0,0.0,-10,1000.0,20],}
df = pd.DataFrame(i)
df.apply(lambda x: npf.rate(nper=x.LoanTerm,pv=x.LoanAmount,pmt=-1*x.Instalment,fv=0),axis=1)

对于大型数据集，这会更慢，因为您无法利用矢量化。

您还可以将数据框条目过滤为仅有效值。很难重现无效的内容，因为您没有共享输入，但在我上面的示例中，贷款期限和分期付款都必须 > 0。

valid = df.loc[(df.Installment > 0) & (df.LoanTerm > 0)]
npf.rate(nper=valid.LoanTerm,pv=valid.LoanAmount,pmt=-1*valid.Installment,fv=0)

大数据集上的Numpy Rate函数返回空值

1 个答案: