熊猫DataFrame速度

Question

因此，我要在前面的数据帧中添加一个名为“ dload”的新列，该列是通过编码df [“ dload”] = np.nan来实现的

然后，我想用此函数的返回值来填充nan值：

def func_ret_value(soup,tables):
    for td in tables[40].findAll("td"):
       if td.text == "Short Percent of Float":
          value = list(td.next_siblings)[1].text.strip("%")
        #print(value)
    return value

为此，我编写了以下代码：

for index in df.index:
#     print(index,row)
#     print(index,df.iloc[index]["Symbol"])
   r = requests.get(url_pre+df.iloc[index]["Symbol"]+url_suf)
   soup = BeautifulSoup(r.text,"html.parser")
   tables = soup.findAll("table")
   #print(row["dload"])
   df.loc[index,"dload"] = func_ret_value(soup,tables)

是否有某些安排或应用程序是这样做的更快方法？

谢谢。

Answer 1

您可以使用apply() ，但是我猜想代码中计算量最大的部分是HTTP请求（如@Peter Leimbigler在其评论中提到的那样）。 这是您的函数的示例：

def func_ret_value(x):

    r = requests.get(url_pre + x['Symbol'] + url_suf)
    soup = BeautifulSoup(r.text, 'html.parser')
    tables = soup.findAll('table')
    for td in tables[40].findAll("td"):
       if td.text == "Short Percent of Float":
          return list(td.next_siblings)[1].text.strip("%")

df['dload'] = df.apply(func_ret_value, axis=1)

注意axis=1指定您将逐行应用此函数。

if对于给定的行，您的func_ret_value()函数中的if语句永远不会被触发，您也可以考虑在此处实现一些错误处理。