Question

我正在学习python，并提出了一种逐行计算值的方法，但是我确信有一个更优雅（更快速）的解决方案。这是简单的示例：

df = pd.DataFrame(np.random.rand(10,3), columns=list('abc'))
df.head()

    a   b   c
0   0.207455    0.257266    0.453369
1   0.518193    0.816898    0.141986
2   0.430085    0.490554    0.797655
3   0.369860    0.251664    0.777059
4   0.390059    0.983218    0.966202

df['d']=''
df['e']=''
for i in range(1,len(df)):
    df['d'][i]= sqrt((df['a'][i]-df['b'][i])**2+(df['a'][i-1]-df['b'][i-1])**2)
    df['e'][i]= (df['c'][i]-df['c'][i-1])*1609
    
df.head()

a   b   c   d   e
0   0.207455    0.257266    0.453369        
1   0.518193    0.816898    0.141986    0.30283 -501.015
2   0.430085    0.490554    0.797655    0.304765    1054.97
3   0.369860    0.251664    0.777059    0.132766    -33.1396
4   0.390059    0.983218    0.966202    0.60482 304.331

有更好的方法吗？我正在处理一些大型数据集，以这种方式运行它需要一段时间。

Answer 1

是的，我们有shift和diff，没有for循环

df['d'] = ((df['a'] - df['b']) ** 2 + (df['a'].shift() - df['b'].shift()) ** 2)**0.5
df['e'] = (df['c'].diff()) * 1609
df
          a         b         c         d            e
0  0.207455  0.257266  0.453369       NaN          NaN
1  0.518193  0.816898  0.141986  0.302830  -501.015247
2  0.430085  0.490554  0.797655  0.304764  1054.971421
3  0.369860  0.251664  0.777059  0.132766   -33.138964
4  0.390059  0.983218  0.966202  0.604821   304.331087

通过逐行计算来计算熊猫数据框中的新列

1 个答案: