如何通过列中的给定值加速循环子集 DataFrame 并在 Python 中应用公式

Question

我想知道是否有办法加快这段代码：

alphas = []

origins = flows["OrigCodeNew"].unique()

for origin in origins:
    df = flows[flows["OrigCodeNew"] == origin]
    alpha = sum(df["DestSal"] ** gamma * df["Dist"] ** beta])
    alphas.append(1/alpha)

alphas = pd.DataFrame(zip(origins, alphas), columns = ["OrigCodeNew", "alpha"])

其中输入是 DataFrame 的形式：

OrigCodeNew   Destination  DestSal Dist
A             C            20000   6
A             D            30000   8
A             E            25000   10 
A             F            35000   2
B             C            20000   7
B             D            30000   5
B             E            25000   20
B             F            35000   13

使用 output：

OrigCodeNew  Alpha (example)
A            0.034
B            0.064 

我知道这是低效的代码，可以加快速度，但我不确定如何。 我已经使用了一段时间并且它有效，但我正在尝试重构代码以使其更高效。 我试图用 agg function 找出 pandas.groupby ，但还没有弄清楚如何用这种等式来做到这一点。 任何意见，将不胜感激。

Answer 1

您没有提供任何样本数据或预期输出，因此很难回答这个问题。

从理论上讲，您应该能够分组然后使用变换，这会将组值分配给组中的每一行。 如果您更习惯使用 agg，您可以计算组值，然后加入原始 dataframe 和“OrigCodeNew”上的聚合。

(
  flows
  .groupby('OrigCodeNew')
  .transform(alpha=lambda x: 1 / (sum(x.DestSal ** gamma * x.Dist ** beta)))
)