python中循环的向量化

Question

我在Python中有以下代码：

import numpy as np
import pandas as pd
colum1 = [1,2,3,4,5,6,7,8,9,10,11,12]
colum2 = [10,20,30,40,50,60,70,80,90,100,110,120]

df = pd.DataFrame({
    'colum1' : colum1,
    'colum2' : colum2
});

df.loc[df.colum1 == 1,'result'] = df['colum2']

for i in range(len(colum2)):
    df.result = np.where(df.colum1>1, 5 - (df['colum2'] - df.result.shift(1)), df.result)

df.result的结果是：

colum1  colum2  result
0        1      10    10.0
1        2      20    -5.0
2        3      30   -30.0
3        4      40   -65.0
4        5      50  -110.0
5        6      60  -165.0
6        7      70  -230.0
7        8      80  -305.0
8        9      90  -390.0
9       10     100  -485.0
10      11     110  -590.0
11      12     120  -705.0

我想知道是否有一种方法可以让我获得相同的结果，而无需使用循环

Answer 1

您的操作取决于两件事：DataFrame中的上一行以及DataFrame中连续值之间的差异。 这暗示解决方案将需要shift和diff 。 但是，您想向扩展总和添加一个小常数，并实际上从每行中减去此常数，而不是将其相加。

---

要设置问题的一部分，请先创建移位的序列，然后在其中添加5 ：

a = df.colum2.shift().add(5).cumsum().fillna(0)

现在，您需要系列中元素之间的差异，并在colum2中用它们各自的值填充缺失的结果：

b = df.colum2.diff().fillna(df.colum2)

为了让您的最终结果，简单地减去a从b ：

b - a

0      10.0
1      -5.0
2     -30.0
3     -65.0
4    -110.0
5    -165.0
6    -230.0
7    -305.0
8    -390.0
9    -485.0
10   -590.0
11   -705.0
Name: colum2, dtype: float64