Python 优化这段代码有困难，想知道为什么它运行得这么慢-我怎么能优化这段代码？

我的一行数据有18列，每列都有一个复杂的代码

并发症类由一个“名称”组成，该名称是并发症名称，如“心衰”，它还有一个存储为“代码”的字符串数组，该字符串的值为“500”，需要在每个患者的18列中进行匹配（每行最终结果），并查找代码，如“5001”或“5002”。如果找到代码，则需要将数据集中相应的复杂度列更新为1

这就是我编写的解决方案。你认为这可以更优化吗？目前，仅在25000名患者身上运行大约需要16分钟，这还不够好

数据：

类别：

class HCUPCodes:
    def __init__(self,name,codes):
        self.name = name
        self.codes = codes

类的初始化：

complications_POA = []
complications_POA.append(HCUPCodes('HeartFailure',['80', 'R*1']))

代码：

输出：

DX1      DX2     DX3   DX4 HeartFailure
10R46   R*1005   8017  2   1
10R46   R*10335  5019  2   1
100R91  R*1005   8017  1   1
10R91   R*243    8870  1   0
10M95   R*4918   8305  3   0
10M95   R*9017   8305  3   0
10M95   R*9470   8221  3   0

---

要实现最低速度，您可以在找到代码后添加

break

：

 def defineComplicationsFeatures(patient, comp_list):
    for i in range(len(comp_list)):
        for x in comp_list[i].codes:
            if((any(patient.str.startswith(x,na=False)))):
                patient[comp_list[i].name]=1 #change 0 to 1 in the 
                break
    return patient

---

有两件事会减慢代码的速度：

使用两个for循环

使用

。使用自己定义的函数应用

您可以使用

pandas

和

numpys

的矢量化方法优化解决方案：

解决方案：（在这种情况下，我没有使用您的类）

注意

---

您可以将

col\u to\u update

&

strings\u to\u search

转换为函数的参数，这使函数更简洁，为了简单起见，我现在选择不转换。

您能用普通语言解释一下吗（首选伪代码）为什么要在预期输出中更新前三行？对于

startswith（）

，我找不到任何关于

na=False

意味着什么的描述，但您不需要它周围的

any（）

。但是，我看不到任何明显低效的东西-

cProfile

或

profile

输出将帮助您了解瓶颈在哪里，我认为。@Erfan:对于数据集中的每一行：如果在第行中找到任何代码，那么：在疾病列中标记1现在这是一个and语句，即必须找到所有代码才能将心衰功能更新为1。如何修改此代码以用作OR操作？不确定您的意思，您想更新比

HeartFailure

更多的列吗？

DX1      DX2     DX3   DX4 HeartFailure
10R46   R*1005   8017  2   1
10R46   R*10335  5019  2   1
100R91  R*1005   8017  1   1
10R91   R*243    8870  1   0
10M95   R*4918   8305  3   0
10M95   R*9017   8305  3   0
10M95   R*9470   8221  3   0

 def defineComplicationsFeatures(patient, comp_list):
    for i in range(len(comp_list)):
        for x in comp_list[i].codes:
            if((any(patient.str.startswith(x,na=False)))):
                patient[comp_list[i].name]=1 #change 0 to 1 in the 
                break
    return patient

# Print the DataFrame we start with provided by OP
print(df)
      DX1      DX2   DX3 DX4  HeartFailure
0   10R46   R*1005  8017   2             0
1   10R46  R*10335  5019   2             0
2  100R91   R*1005  8017   1             0
3   10R91    R*243  8870   1             0
4   10M95   R*4918  8305   3             0
5   10M95   R*9017  8305   3             0
6   10M95   R*9470  8221   3             0

# Create new optimized function
def defineComplicationsFeatures(df):

    col_to_update = 'HeartFailure'

    strings_to_search = ['80', 'R*1']

    for string in strings_to_search:
        mask = np.column_stack([df[col].str.startswith(string, na=False) for col in df.iloc[:, :-1]]).any(axis=1)
        df[col_to_update] = np.where(mask, 1, 0)

    return df

df_new = defineComplicationsFeatures(df)
print(df_new)

      DX1      DX2   DX3 DX4  HeartFailure
0   10R46   R*1005  8017   2             1
1   10R46  R*10335  5019   2             1
2  100R91   R*1005  8017   1             1
3   10R91    R*243  8870   1             0
4   10M95   R*4918  8305   3             0
5   10M95   R*9017  8305   3             0
6   10M95   R*9470  8221   3             0