熊貓系列成對最大值

Question

我想找到熊貓系列中每個元素和 0 之間的成對最大值。我的粗略解決方案如下：

import numpy as np
import pandas as pd
np.random.seed(1)

series = pd.Series(np.random.randn(100))
pmax = pd.Series([])
for i in range(len(series)):
    pmax[i] = max(series[i],0)

我需要在大量系列上運行這個，這個解決方案太慢了。 是否有矢量化方法來實現相同的結果？

Answer 1

我正在尋找 Rs pmax()的 python 實現的解決方案，並偶然發現了 numpys maximum()函數，該函數正是pmax()所做的：

pmax(5,c(1,2,6)
[1] 5 5 6

和：

>>> import numpy as np
>>> np.maximum(5, [1,2,6])
array([5, 5, 6])

Answer 2

設置

s = pd.Series([1,2,3,-1,-2,3,4,-5])

使用 0 作為填充值的mask ：

s.mask(s<0, 0)

0    1
1    2
2    3
3    0
4    0
5    3
6    4
7    0
dtype: int64

使用沒有上限的np.clip ：

np.clip(s, 0, None)

@Coldspeed 建議使用pd.Series.clip_lower ：

s.clip_lower(0)

時間安排

In [204]: %%timeit
     ...: pmax = pd.Series([])
     ...: for i in range(len(series)):
     ...:     pmax[i] = max(series[i],0)
     ...:
81.2 ms ± 4.06 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [205]: %timeit series.mask(series<0, 0)
626 µs ± 30.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [206]: %timeit np.clip(series, 0, None)
124 µs ± 3.44 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [209]: %timeit series.clip_lower(0)
97.2 µs ± 3.15 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)