如何在大熊貓數據框中加快迭代功能？

Question

我對熊貓還很陌生，我有一個大約有500,000行的熊貓數據框，上面有數字。 我正在使用python 2.x，目前正在定義和調用下面顯示的方法。 如果系列“ A”中的兩個相鄰值相同，則它將預測值設置為等於系列“ B”中的對應值。 但是，它運行非常慢，每秒大約輸出5行，我想找到一種更快地完成相同結果的方法。

def myModel(df):

    A_series = df['A']
    B_series = df['B']
    seriesLength = A_series.size

    # Make a new empty column in the dataframe to hold the predicted values
    df['predicted_series'] = np.nan

    # Make a new empty column to store whether or not
    # prediction matches predicted matches B
    df['wrong_prediction'] = np.nan
    prev_B = B_series[0]
    for x in range(1, seriesLength):

        prev_A = A_series[x-1]  
        prev_B = B_series[x-1]
        #set the predicted value to equal B if A has two equal values in a row
        if A_series[x] == prev_A:
            if df['predicted_series'][x] > 0:
                 df['predicted_series'][x] = df[predicted_series'][x-1]
            else:
                 df['predicted_series'][x] = B_series[x-1]

有沒有一種方法可以對此進行矢量化或使其運行更快？ 在當前情況下，預計將花費許多小時。 真的需要這么長時間嗎？ 看來500,000行應該不會給我的程序帶來太大問題。

Answer 1

像您描述的那樣，這樣的事情應該起作用：

df['predicted_series'] = np.where(A_series.shift() == A_series, B_series, df['predicted_series'])

Answer 2

df.loc[df.A.diff() == 0, 'predicted_series'] = df.B  

這將擺脫for循環，並在A等於先前的A時將Forecast_series設置為B的值。

編輯：

根據您的評論，將您的Forecast_series初始化更改為全部NAN，然后預先填充以下值：

df['predicted_series'] = np.nan
df.loc[df.A.diff() == 0, 'predicted_series'] = df.B
df.predicted_series = df.predicted_series.fillna(method='ffill')

對於最快的修改ayhans速度，回答會更好：

df['predicted_series'] = np.where(df.A.shift() == df.A, df.B, df['predicted_series'].shift())

這將為您提供向前填充的值，並且比我最初的建議運行得更快

Answer 3

解

df.loc[df.A == df.A.shift()] = df.B.shift()