对于一个相对较大的Pandas DataFrame(几十万行),我想创建一个由apply函数产生的系列。问题是功能不是很快,我希望它能以某种方式加速。
df = pd.DataFrame({
'value-1': [1, 2, 3, 4, 5],
'value-2': [0.1, 0.2, 0.3, 0.4, 0.5],
'value-3': somenumbers...,
'value-4': more numbers...,
'choice-index': [1, 1, np.nan, 2, 1]
})
def func(row):
i = row['choice-index']
return np.nan if math.isnan(i) else row['value-%d' % i]
df['value'] = df.apply(func, axis=1, reduce=True)
# expected value = [1, 2, np.nan, 0.4, 5]
欢迎任何建议。
更新
通过预先缓存选定的列可以实现非常小的加速(~1.1)。 func
将更改为:
cached_columns = [None, 'value-1', 'value-2', 'value-3', 'value-4']
def func(row):
i = row['choice-index']
return np.nan if math.isnan(i) else row[cached_columns[i]]
但我希望能有更大的加速......
答案 0 :(得分:4)
我认为我有一个很好的解决方案(加速~150)。
诀窍不是使用apply
,而是进行智能选择。
choice_indices = [1, 2, 3, 4]
for idx in choice_indices:
mask = df['choice-index'] == idx
result_column = 'value-%d' % (idx)
df.loc[mask, 'value'] = df.loc[mask, result_column]