我们有两个买家的出价和规模表。买入价p
尺寸s
表示买家愿意购买s
价格产品数量p
。我们有一个四列的表:
- 两位买家提供的出价,
pA
和pB
. - 出价大小,
sA
和sB
。 我们的工作是向表中添加一个新的最佳尺寸列 (bS
),以返回最佳价格的尺寸。如果两个买家的价格相同则bS
等于sA + sB
,否则,我们需要采用出价较高的买家的出价大小。
我解决该问题的方法之一如下。
import numpy as np
import pandas as pd
N = 1000 *1000
t = pd.DataFrame({
'pA': [np.random.randint(0, 5, N)],
'pB': [np.random.randint(0, 5, N)],
'sA': [np.random.randint(0, 100, N)],
'sB': [np.random.randint(0, 100, N)]})
t['bS'] = np.where(t['pA'] == t['pB'],
t['sA'] + t['sB'],
np.where(t['pA'] > t['pB'],
t['sA'], t['sB']))
我写了一篇文章并列出了其他解决方案。我想知道我是否错过了什么。非常欢迎您提供反馈,我们可以从中学习!
https://www.linkedin.com/pulse/data-analysis-example-python-q-ferenc-bodon-ph-d-/
最佳答案
博登,
我很好奇这个函数的性能对您来说如何。
def func2(df):
list2 = []
for r in zip(t['pA'],t['pB'],t['sA'],t['sB']):
if r[0] == r[1]:
list2.append(r[2] + r[3])
if r[0] > r[1]:
list2.append(r[2])
if r[1] > r[0]:
list2.append(r[3])
df['bS'] = list2
return df
这是我在我的系统上运行的以及相应的结果。我的转到函数是使用 iterrows() 的 for 循环。在检查并意识到它比您的 np.where()
慢之后,我尝试了 zip()
,性能似乎稍快一些。
import numpy as np
import pandas as pd
import timeit
N = 1000*1000
t = pd.DataFrame({'pA' : np.random.randint(0,5,size = N),
'pB' : np.random.randint(0,5,size = N),
'sA' : np.random.randint(0,100,size = N),
'sB' : np.random.randint(0,100,size = N)})
t['bS'] = np.where(t['pA'] == t['pB'],
t['sA'] + t['sB'],
np.where(t['pA'] > t['pB'],
t['sA'], t['sB']))
def func1(df):
list1 = []
for index, row in df.iterrows():
if row['pA'] == row['pB']:
list1.append(row['sA'] + row['sB'])
if row['pA'] > row['pB']:
list1.append(row['sA'])
if row['pB'] > row['pA']:
list1.append(row['sB'])
df['bS'] = list1
return df
def func2(df):
list2 = []
for r in zip(t['pA'],t['pB'],t['sA'],t['sB']):
if r[0] == r[1]:
list2.append(r[2] + r[3])
if r[0] > r[1]:
list2.append(r[2])
if r[1] > r[0]:
list2.append(r[3])
df['bS'] = list2
return df
setup = '''
import numpy as np
import pandas as pd
import timeit
N = 10
t = pd.DataFrame({'pA' : np.random.randint(0,5,size = N),
'pB' : np.random.randint(0,5,size = N),
'sA' : np.random.randint(0,100,size = N),
'sB' : np.random.randint(0,100,size = N)})
t['bS'] = np.where(t['pA'] == t['pB'],
t['sA'] + t['sB'],
np.where(t['pA'] > t['pB'],
t['sA'], t['sB']))
def func1(df):
list1 = []
for index, row in df.iterrows():
if row['pA'] == row['pB']:
list1.append(row['sA'] + row['sB'])
if row['pA'] > row['pB']:
list1.append(row['sA'])
if row['pB'] > row['pA']:
list1.append(row['sB'])
df['bS'] = list1
return df
def func2(df):
list2 = []
for r in zip(t['pA'],t['pB'],t['sA'],t['sB']):
if r[0] == r[1]:
list2.append(r[2] + r[3])
if r[0] > r[1]:
list2.append(r[2])
if r[1] > r[0]:
list2.append(r[3])
df['bS'] = list2
return df
'''
timeit.timeit("t['bS'] = np.where(t['pA'] == t['pB'], t['sA'] + t['sB'],np.where(t['pA'] > t['pB'], t['sA'], t['sB']))", setup = setup, number = 1000)
Out[0]: 0.6907481750604347
timeit.timeit("func1(t)", setup = setup, number = 1000)
Out[1]: 1.7969895842306869
timeit.timeit("func2(t)", setup = setup, number = 1000)
Out[2]: 0.40988909450607025
关于python - 数据分析问题的最佳解决方案,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55952816/