Question

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......

Answer 1

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]

加快熊猫应用功能

1 个答案: