Python 我如何在这里加速我的代码？尝试迭代并替换每行中的某些值。正文中的细节

我正在尝试修改pandas数据帧，以便在每一行中，

SdLog

和

Meanlog

列得到更新，直到第三列，

std

小于

std\u o

的一半。我正在计算循环中的值，每次都减少

sdLog

，直到计算值达到50%左右

for index, row in sf.iterrows():
while sf.loc[index,'std'] > row['std_o']/2:
    z = row['Sdlog'] 
    sf.loc[index, "Sdlog"] = row['Sdlog'] - 0.0001
    sf.loc[index, "Meanlog"] = row['Meanlog'] + (z**2)/2 - (row['Sdlog']**2)/2 
    sf.loc[index, "std"] = ((np.exp((row['Sdlog']**2))-1)*(np.exp(2*(row['Meanlog'])+((row['Sdlog'])**2))))**(.5)
print(row, row['std']/row['std_o'])

这能加速吗？这条路对吗？我非常感谢您的帮助

我的数据框看起来像这样

Activity    Equipment   Meanlog Sdlog   shiftindex  actual_values   std mean    std_o   mean_o
0   Load    CF24    5.83    0.1995  364060  354.779340  69.998462   347.234380  70.147167   347.234380
1   Spot    CF24    3.34    0.6100  364060  61.521021   22.820515   33.989444   22.820515   33.989444
2   Load    CF24    6.33    0.1500  364070  538.410033  85.606872   567.505250  85.606872   567.505250
3   Spot    CF24    3.45    0.3200  364070  24.901455   10.887160   33.155214   10.887160   33.155214
4   Load    CF24    6.04    0.2500  364080  387.610354  110.019983  433.221871  110.019983  433.221871

这是我（在样本上）测试的内容：

frame['logic']=frame['std']>（frame['std_o']/2）
帧['Sdlog']=np.其中（帧['logic']，帧['Sdlog']-0.0001，帧['Sdlog']）
帧['Meanlog']=np.其中（帧['logic']，帧['Meanlog']+（帧['Sdlog']**2）/2-（帧['Sdlog']**2）/2，帧['Meanlog']
帧['std']=np.其中（帧['logic']，（（np.exp（（帧['Sdlog']**2））-1）*（np.exp（2*（帧['Meanlog']）+（（帧['Sdlog']**2）））**（.5），帧['std']））
每1000次迭代的结果：2.7607345581054688s

#原件
对于索引，frame.iterrows（）中的行：
而frame.loc[索引，'std']>行['std_o']/2:
z=行['Sdlog']
frame.loc[索引，“Sdlog”]=行['Sdlog']-0.0001
frame.loc[index，“Meanlog”]=行['Meanlog']+（z**2）/2-（行['Sdlog']**2）/2
frame.loc[index，“std”]=（（np.exp（（第['Sdlog'行]**2））-1）*（np.exp（第2*（第['Meanlog'行]）+（（第['Sdlog'行]）**2））**（.5）
每1000次迭代的结果：>60s，中断。

---

请注意，我只使用了小样本，并没有真正检查结果是否正确。

据我所知，您的代码不仅速度慢，而且在

过程中会永久卡在
循环中，因为相关变量在每次迭代中实际上都没有改变。（sf
sf
中的值被更改，但不在当前
行中
）您可以将逻辑移动到一个函数，然后应用到每一行：

def alter(r):
    while r["std"] > r["std_o"] / 2:
        z = r["Sdlog"]
        r["Sdlog"] = r["Sdlog"] - .0001
        r["Meanlog"] = r['Meanlog'] + (z**2)/2 - (r['Sdlog']**2)/2 
        r["std"] = ((np.exp((r['Sdlog']**2))-1)*(np.exp(2*(r['Meanlog'])+((r['Sdlog'])**2))))**(.5)
    return r

altered = sf.apply(alter, axis=1)

这是可行的，但速度很慢。其他人可能会提出优化建议

编辑：只需将数学逻辑与写入每行的代码分离，就可以大大加快速度

def alter(r):
    r["std"], r["Sdlog"], r["Meanlog"] = change_std(
         s=r["std"],
         so=r["std_o"], 
         sl=r["Sdlog"],
         ml=r["Meanlog"])
    return r

def change_std(s, so, sl, ml):
    ch = .0001
    ch2 = .5 * ch * ch
    s2 = s * s
    target = so * so / 4
    while s2 > target:
        ml += ch * sl - ch2  # this simplifies ml += sl**2/2 - (sl-ch)**2/2
        sl -= ch
        s2 = (np.exp(sl*sl) - 1) * np.exp(2*ml + sl*sl)
    return s2 ** .5, sl, ml

看看这样写的算法，我想你可以通过从一个大的
ch
开始，每次超过
s
的期望值大约
so/2
时减少它来进一步加速它。你能在代码而不是图像中发布测试数据帧吗？如果你的代码工作得很好，试试@Kenan，我该怎么做？对不起，这里是新的！看看np.where，它应该比pandas工作得更快，因为它在一个较低的级别上：你确定你的代码可以工作吗？当我尝试它时，它似乎被卡住了，因为
行['Sdlog']
和
行['Meanlog']
在每次迭代中实际上都没有改变谢谢！这运行速度很快，但相当于if循环而不是while循环。与中一样，它只运行一次并终止-关于如何使其运行直到值小于一半的任何建议，而不仅仅是在@TJB不需要循环的情况下，当您构建frame[logic]时，它将包含条件分别为True或False的索引的True/False数组。np.where在单个解析中处理该数组，并在onceI处计算数组中所有元素的条件。但它仍然只运行一次。例如，当它运行时，它将
Sdlog
的值更改为（-.0001），但
std
仍然大于
std\u o
的一半。它直到完成才更新。这有意义吗？@TJB，只要条件为假，计算就会被忽略。您的数据中是否有特定的顺序，并且希望程序在第一次遇到时停止（即使以后情况可能是真的）？@TJB，这不应该发生，np.where遍历整个数组。当然，我可能把逻辑搞乱了。它适用于样本上的整个数组。这确实有效！谢谢，很高兴知道这样做是可行的。但是正如你提到的，它非常慢。哇，谢谢你！！现在真的很好用。你是个天才。