Python 将行与前面的所有行进行比较

我有一个这样的数据框

df = pd.DataFrame({'numb': [2,4,6,2,4,9]})
print(df)
   numb
0     2
1     4
2     6
3     2
4     4
5     9

我想计算numb小于前面的numb的行数，如

   numb  lesser_count
0     2             0
1     4             0
2     6             0
3     2             2
4     4             1
5     9             0

---

我遇到了一个类似的问题，但不知道如何计算。

让我们试试numpy广播：

a = df['numb'].to_numpy()

df['lesser_count'] = np.triu(a<a[:,None]).sum(0)

---

我们可以使用

numba

实现快速for循环：

来自numba import njit
@njit
def计数（arr）较小：
计数=np.空（arr.shape[0]）
对于i，枚举中的val（arr）：
计数[i]=np.和（val

numb较小的计数
0     2             0
1     4             0
2     6             0
3     2             2
4     4             1
5     9             0

因为我们需要一个迭代的解决方案，或者依赖于内存效率低下的基于numpy的方法，

numba

是一个很好的选择：

from numba import njit, int64
@njit('int64[:](int64[:])')
def lesser_prev(a):
    out = np.empty(len(a), dtype=int64)
    count = 0
    for i in range(len(a)):
        curr = a[i]
        for j in range(i):
            if curr<a[j]:
                count+=1
        out[i] = count
        count = 0
    return out

检查性能：

df_ = pd.concat([df]*1000).reset_index()

%timeit lesser_prev(df_.numb.to_numpy())
# 15.2 ms ± 1.05 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit count_lesser(df_['numb'].to_numpy())
# 15.3 ms ± 132 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%%timeit
a = df_['numb'].to_numpy()
np.triu(a<a[:,None]).sum(0)
# 280 ms ± 11.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

df=pd.concat（[df]*1000）.重置索引（）
%timeit lesser_prev（df_u.numb.to_numpy（））
#每个回路15.2 ms±1.05 ms（7次运行的平均值±标准偏差，每个100个回路）
%timeit count_less（df_['numb'].to_numpy（））
#每个回路15.3 ms±132µs（7次运行的平均值±标准偏差，每个100个回路）
%%时间
a=df_u['numb'].to_numpy（）
np.triu（a）
df['lesser_count'] = lesser_prev(df.numb.to_numpy())

print(df)
   numb  lesser_count
0     2             0
1     4             0
2     6             0
3     2             2
4     4             1
5     9             0

df_ = pd.concat([df]*1000).reset_index()

%timeit lesser_prev(df_.numb.to_numpy())
# 15.2 ms ± 1.05 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit count_lesser(df_['numb'].to_numpy())
# 15.3 ms ± 132 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%%timeit
a = df_['numb'].to_numpy()
np.triu(a<a[:,None]).sum(0)
# 280 ms ± 11.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)