[英]Most efficient way to compute a square dataframe in pandas
全部,
我目前正在计算一系列方形 pandas DataFrame 对象作为引导算法的一部分,虽然我可以正确计算它,但到目前为止我还没有有效地计算它。
目前,数据帧的计算方式如下,使用 function func ,它根据数据的性质而有所不同:
frame = pandas.DataFrame(0, index=idx, columns=idx)
for row in idx:
for col in idx:
frame.loc[row, col] = func(row, col)
不幸的是,构建的方阵最终可能会非常大(最多 10k 个单元),因此上述运行可能会非常缓慢。 有没有什么方法可以比使用 pandas 和/或 numpy 的嵌套循环方法更有效地执行此构造?
NumPy 应该更快,并且您可以使用嵌套列表推导而不是显式循环:
import numpy as np
# example function
def func(i, j):
return 10 * i + j
# example index
idx = [0, 1, 2, 3]
frame = np.array([[func(row, col) for col in idx] for row in idx])
frame
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23],
[30, 31, 32, 33]])
如果需要,您当然可以将结果转换为 DataFrame:
import pandas as pd
frame = pd.DataFrame(frame)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.