[英]Pandas Vectorization speed up dataframe function
我有这个超级趋势实现的 python 代码。 我正在使用 pandas dataframe。 代码工作正常,但是随着 dataframe 长度的增加,超级趋势 function 运行速度越来越慢。 我想知道如何将超级趋势 function 中的 for 循环转换为 Pandas 向量化或使用 apply() 方法
def trueRange(df):
df['prevClose'] = df['close'].shift(1)
df['high-low'] = df['high'] - df['low']
df['high-pClose'] = abs(df['high'] - df['prevClose'])
df['low-pClose'] = abs(df['low'] - df['prevClose'])
tr = df[['high-low','high-pClose','low-pClose']].max(axis=1)
return tr
def averageTrueRange(df, peroid=12):
df['trueRange'] = trueRange(df)
the_atr = df['trueRange'].rolling(peroid).mean()
return the_atr
def superTrend(df, peroid=5, multipler=1.5):
df['averageTrueRange'] = averageTrueRange(df, peroid=peroid)
h2 = ((df['high'] + df['low']) / 2)
df['Upperband'] = h2 + (multipler * df['averageTrueRange'])
df['Lowerband'] = h2 - (multipler * df['averageTrueRange'])
df['inUptrend'] = None
for current in range(1,len(df.index)):
prev = current- 1
if df['close'][current] > df['Upperband'][prev]:
df['inUptrend'].iloc[current] = True
elif df['close'][current] < df['Lowerband'][prev]:
df['inUptrend'].iloc[current] = False
else:
df['inUptrend'].iloc[current] = df['inUptrend'][prev]
if df['inUptrend'][current] and df['Lowerband'][current] < df['Lowerband'][prev]:
df['Lowerband'].iloc[current] = df['Lowerband'][prev]
if not df['inUptrend'][current] and df['Upperband'][current] > df['Upperband'][prev]:
df['Upperband'].iloc[current] = df['Upperband'][prev]
使用.values[1:]
和.values[:-1]
进行矢量化比较。
也就是说, .values[1:]
是current
, .values[:-1]
在您的代码中是prev
。
这是将 IF 语句转换为向量化比较的示例。
cond1 = df['close'].values[1:] > df['Upperband'].values[:-1]
cond1 = np.insert(cond1, 0, False)
df.loc[cond1, 'inUptrend'] = True
使用插入的原因是第 0 个元素没有可比较的元素。
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.