我想加快“衰减”正向填充函数的以下实现，该函数用最后一个非零值乘以衰减因子alpha ** (t-T)（其中0<alpha<1和{{1}）填充零值}是到最后一个非零值的距离：
(t-T)但是由于使用纯python for循环，这太慢了。无论如何，是否可以通过def decay_series(s):
decay_fac = 0.9
for i in range(1, len(s)):
if abs(s.iloc[i]) < 1e-6:
s.iloc[i] = s.iloc[i - 1] * decay_fac
return s
s = pd.Series([0,0, 1, 2, 0,0,1,0,0,1])
s
Out[24]:
0 0
1 0
2 1
3 2
4 0
5 0
6 1
7 0
8 0
9 1
dtype: int64
decay_series(s)
Out[25]:
0 0.00
1 0.00
2 1.00
3 2.00
4 1.80
5 1.62
6 1.00
7 0.90
8 0.81
9 1.00
dtype: float64
的本机组件的一些巧妙应用来加快速度？不幸的是，似乎pandas或fillna方法不支持应用自定义用户方法。
答案 0 :(得分：3)
mask进行广播(s.mask(s.eq(0)).ffill() * decay_fac ** s.groupby(s.ne(0).cumsum()).cumcount()).fillna(0)
0 0.00
1 0.00
2 1.00
3 2.00
4 1.80
5 1.62
6 1.00
7 0.90
8 0.81
9 1.00
dtype: float64
timings 9.62毫秒vs 10000行的1.12秒
%timeit (s.mask(s.eq(0)).ffill() * 0.9 ** s.groupby(s.ne(0).cumsum()).cumcount()).fillna(0)
9.62 ms ± 206 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit decay_series(s)
1.12 s ± 161 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)