python - 如何加速 Pandas 数据帧上的迭代函数？

Question

我对 pandas 很陌生，我有一个大约 500,000 行的 pandas 数据框，里面充满了数字。我正在使用 python 2.x，目前正在定义并调用下面所示的方法。如果系列“A”中的两个相邻值相同，则它将预测值设置为等于系列“B”中的相应值。然而，它运行速度非常慢，每秒输出大约 5 行，我想找到一种方法更快地完成相同的结果。

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]

有没有办法对其进行矢量化或使其运行得更快？在目前的情况下，预计需要几个小时。真的应该花这么长时间吗？看起来 500,000 行不应该给我的程序带来那么多问题。

Answer 1

像这样的东西应该像你描述的那样工作:

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