5
我想對熊貓中的DataFrame（可以認爲是一個Series）進行「奇怪」的計算。 DataFrame必須被視爲時間序列或類似的（元素的順序很重要）。矢量化前瞻性功能熊貓數據框
- 鑑於在指數[I]（值[I]）
- 給定一個步驟（例如1）[整數或實數]
- 給定乘數RR（例如2）[a值整數或實數]
查找向前在元素[I：]，並指定爲值[I]的一個 「類」：
- 1如果EN告值之前達到的值[I] +步驟* RR 一個水平達到值[I] - 步驟
- -1，如果隨後的值達到值的電平[Ⅰ] - 步驟* RR 之前到達值[i] +步驟
- 0在每個其他情況下（即當隨後的值觸摸值[i] - 步驟，然後值[i] + step或反之亦然。
我知道這聽起來很瘋狂。試想一下+ 1/-1步驟的隨機遊走。序列，如：
- 0，1，2將被分配到1類（它也可以是0，1，0，0，1，1，0，1，1，2）
- 0，-1，-2將被分配給等級-1（它也可以是0，-1,0,0,0，-1，-1，-1，-2）
- 0，+ 1， 0，-1或0，-1，0，0，-1，0，1等將類0
我已經解決了它的 「經典」（也許不那麼Python的）通過定義一個函數的方式：
import numpy as np
import pandas as pd
def FindClass(inarr, i=0, step=0.001, rr=2):
j = 0
foundClass = None
while i+j < len(inarr) - 1:
j += 1
if inarr[i+j] >= inarr[i] + step:
direction = 1
break
if inarr[i+j] <= inarr[i] - step:
direction = -1
break
while i+j < len(inarr)-1:
j += 1
if direction == 1 and inarr[i+j] >= inarr[i] + (step * rr):
foundClass = 1
break
elif direction == 1 and inarr[i+j] <= inarr[i] - step:
foundClass = 0
break
elif direction == -1 and inarr[i+j] <= inarr[i] - (step * rr):
foundClass = -1
break
elif direction == -1 and inarr[i+j] >= inarr[i] + step:
foundClass = 0
break
if foundClass is None:
foundClass = np.nan
return foundClass
，然後遍歷它：
if __name__ == "__main__":
steps = np.random.randint(-1, 2, size= 10000)
randomwalk = steps.cumsum(0)
rc = pd.DataFrame({'rw':randomwalk, 'result': np.nan})
for c in range(0, len(rc)-1):
rc.result[c] = FindClass(rc.rw, i=c, step=1)
print rc
我的筆記本電腦（和運行的Python 2.7），我收到了剖析，它是不是「太」壞的10000元素系列：
python -m cProfile -s cumulative fbmk.py
<class 'pandas.core.frame.DataFrame'>
Int64Index: 10000 entries, 0 to 9999
Data columns (total 2 columns):
result 9996 non-null values
rw 10000 non-null values
dtypes: float64(1), int32(1)
932265 function calls (929764 primitive calls) in 2.643 seconds
Ordered by: cumulative time
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.106 0.106 2.646 2.646 fbmk.py:1(<module>)
9999 0.549 0.000 1.226 0.000 fbmk.py:4(FindClass)
158062 0.222 0.000 0.665 0.000 series.py:616(__getitem__)
2 0.029 0.014 0.561 0.281 __init__.py:3(<module>)
158062 0.226 0.000 0.443 0.000 index.py:718(get_value)
19998 0.070 0.000 0.442 0.000 frame.py:2082(__getattr__)
19998 0.111 0.000 0.331 0.000 frame.py:1986(__getitem__)
問題是：
有沒有人看到在pandas/numpy中以提高性能的方式向量化該函數的可能性？
如果事情在R中用較少的努力是可行的，那也不錯！
非常感謝！
這不是矢量化，但也許你可以在cython中編寫函數'findClass'？ – joris
是的，當然這是一種可能性。這裏的問題主要是因爲這是一個逐行重複的任務，人們通常說，用熊貓和類似的東西，你必須「思考矢量」，避免循環......我試過了，但沒有管理！ – user3562348
除了我在回答中的想法之外，我認爲通過重寫函數以利用條件，您將獲得實質性的速度。你在一個while循環中放置了很長的條件，但是你的邏輯允許你在很多時候排除很多選項。這將導致更少的代碼執行，並可能在執行時間中獲得2-4倍。 –