我对 pandas
和 numpy
还很陌生,我正在尝试找出做某些事情的最佳方法。
现在我正在尝试在数据帧
的每一行上调用一个函数。如果我向此函数传递三个 numpy 数组,速度非常快,但在 dataframe 上使用 apply 则非常慢。
我的猜测是 numpy
在第一种情况下使用向量化函数,而不是在第二种情况下。有没有办法让 pandas 使用这种优化?基本上,在伪代码中,我认为 apply
正在做类似 for row in frame: func(row['a'], row['b'], row['c'])
但我希望它执行 func(col['a'], col['b'], col['c'])
。
这是我正在尝试做的事情的示例。
import numpy as np
import pandas as pd
from scipy.stats import beta
count = 100000
# If I start with a given dataframe and use apply, it's very slow
df = pd.DataFrame(np.random.uniform(0, 1, size=(count, 3)), columns=['a', 'b', 'c'])
df.apply(lambda frame: beta.cdf(frame['a'], frame['b'], frame['c']), axis=1)
# However, if I split out each column into a numpy array, this is very fast.
a = df['a'].as_matrix()
b = df['b'].as_matrix()
c = df['c'].as_matrix()
beta.cdf(a, b, c)
# But at this point I've lost the context of the dataframe.
# I would like to keep the results in a new column for further processing
最佳答案
目前尚不清楚您为何尝试使用apply
。您只需执行 beta.cdf(df.a, df.b, df.c)
即可。
关于python - 我可以将矢量化函数应用于 pandas 数据框吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40196231/