Pandas 熊猫群比的加速

我在高性能计算中使用熊猫数据帧。此功能是一个重要的时间接收器：

def calculate_with_n_electron(self, phi, partition_function,
                              number_density, n_electron):
    ion_populations = pd.DataFrame(data=0.0,
        index=partition_function.index.copy(),
        columns=partition_function.columns.copy(), dtype=np.float64)

    for atomic_number, groups in phi.groupby(level='atomic_number'):
        current_phis = (groups / n_electron).replace(np.nan, 0.0).values
        phis_product = np.cumproduct(current_phis, axis=0)
        neutral_atom_density = (number_density.ix[atomic_number] /
                                (1 + np.sum(phis_product, axis=0)))
        ion_populations.ix[atomic_number, 0] = (
            neutral_atom_density.values)
        ion_populations.ix[atomic_number].values[1:] = (
            neutral_atom_density.values * phis_product)
        ion_populations[ion_populations < self.ion_zero_threshold] = 0.0
    return ion_populations

def用电子（自、φ、配分函数、，
数量（密度，n电子）：
离子布居数=pd.数据帧（数据=0.0，
index=partition\u function.index.copy（），
columns=partition\u function.columns.copy（），dtype=np.float64）
对于原子序数，以phi.groupby（level='atomic_number'）表示的组：
当前\u phis=（组/n\u电子）。替换（np.nan，0.0）。值
物理物理系统产品=np.cumproduct（当前物理物理系统，轴=0）
中性原子密度=（数密度.ix[原子数]/
（1+np.和（phis_乘积，轴=0）））
离子布居数.ix[原子序数，0]=(
中性（原子密度值）
ion_populations.ix[原子数].值[1:](
中性_原子_密度.values*phis_乘积）
离子布居【离子布居<自我离子零阈值】=0.0
返回离子群

以下是更大范围内的功能：

---

任何帮助都将不胜感激

在不知道数据是什么样子的情况下，这不太可能完全有效，但希望能给您一些想法-基本方法是避免

for

循环，并使用矢量化操作完成所有操作

gb = phi.groupby(level='atomic_number')

# do this outside the groupby, use fillna instead of replace
phi = (phi / n_electron).fillna(0.0)
phi['product'] = gb.cumprod()

# assume number_density has one column named 'density`
phi = phi.join(number_density)
phi['density'] = phi['density'] / (1 + gb['product'].transform('sum'))

# bit of a hack to exclude the first element from each group
# from the multiplication
phi['dummy'] = 1
phi['density'] = df['density'] * np.where(gb['dummy'].cumsum() == 1, 1, df['product'])

phi.loc[phi['density'] < self.ion_zero_threshold] = 0.0

gb=phi.groupby（level='atomic_number'）
#在groupby之外执行此操作，请使用fillna而不是replace
phi=（phi/n_电子）.fillna（0.0）
phi['product']=gb.cumprod（）
#假设number_density有一列名为“density”`
φ=φ连接（数量密度）
phi['density']=phi['density']/（1+gb['product'].变换（'sum'））
#从每个组中排除第一个元素有点麻烦
#从乘法
φ['dummy']=1
phi['density']=df['density']*np.其中（gb['dummy'].cumsum（）==1,1，df['product']
phi.loc[phi['density']<自离子零点阈值]=0.0

我又添加了一个附加数据的问题，它将解决一个主要的性能瓶颈（我使用行分析发现您的实现速度更快，但还没有快很多）：这个答案很有帮助，但不完全是解决方案（因为您不知道数据是什么样子）。什么是ettiquette-我接受吗？非常感谢你的帮助。