Question

首先，我有一个熊猫数据框，其中包含以下列：具有180万行的“ YEAR”，“ 1DIGIT”，“ 2DIGITS”，“ 3DIGITS”，“ SIZE”，“ CODE”，“ VALUE”。这是我的代码来更正我拥有的数据：

for year in list(data.YEAR.unique()):
    data1 = data[data.YEAR == year]
        for dig in list(data1.3DIGITS.unique()):
            data2 = data1[data1.3DIGITS == dig]
            for size in list(data2.SIZE.unique()):
                data3 = data2[data2.SIZE == size]
                data.loc[(data.YEAR == year)&(data.3DIGITS == dig)&(data.CODE == 9122),"VALUE") = data3[data3.CODE.isin(9001,9057)].VALUE.sum()

如您所见，我想对代码9001和9057的值求和并将其分配给代码9122的值。此方法有效，但速度很慢，几乎需要1个半小时。我们可以做些什么来使其更快？

Answer 1

尝试使用熊猫的groupby功能。

这看起来像：

def add_col(df):
    df.loc[(df.CODE == 9122),"VALUE") = df[df.CODE.isin(9001,9057)].VALUE.sum()
    return df

data.groupby(['YEAR', '3DIGITS', 'SIZE']).apply(add_col)

如何优化以下代码以使其运行更快？

1 个答案: