Python 数据帧上迭代函数的矢量化

我有一个数据帧，其中第一行是初始条件

df = pd.DataFrame({"Year": np.arange(4),
                   "Pop": [0.4] + [np.nan]* 3})

---

函数

f（x，r）=r*x*（1-x）

，其中

r=2

是一个常数，

0不可能以矢量化的方式实现这一点

根据定义，矢量化利用并行处理来减少执行时间。但你问题中的期望值必须按顺序计算，而不是并行计算。有关详细说明，请参阅。像这样的事情是行不通的

然而，获得更多的效率是可能的。您可以使用生成器进行迭代。这是实现迭代过程的一个非常常见的构造

def gen(x_init, n, R=2):
    x = x_init
    for _ in range(n):
        x = R * x * (1-x)
        yield x

# execute            
df.loc[1:, "Pop"] = list(gen(df.at[0, "Pop"], len(df) - 1))

结果:

print(df)
        Pop
0  0.400000
1  0.480000
2  0.499200
3  0.499999

对于小数据，完全可以停在这里。但是，如果函数要执行很多次，可以考虑用.< /p>优化生成器。

pip安装numba
或
conda首先在控制台中安装numba
import numba
在生成器前面添加decorator
@numba.njit

将
np.nan
s的数量更改为10^6，然后自己检查执行时间的差异。在我的Core-i5 8250U 64位笔记本电脑上实现了从468ms到217ms的改进。
你能举一个例子，用数据解释所需的行为吗。函数是f（x）=r*x*（1-x），其中r是常数，x是百分比。第一列是起始条件，其中r=2，x=0.4，索引是时间间隔。d[0]将是（0，0.4）。d[1]为（1，0.48）。d[2]应该是（2，0.4992），但它是（2，0.48），与其余行相同。代码中没有定义任何变量。请提供输入数据和预期输出。是否可以在a中提供示例数据和预期输出？您将正确的示例编辑错了<代码>np.arange（51）

给出错误，因为列表的长度不匹配。请注意，示例的主要目的是让潜在的帮助者重现您的问题，因此只关注相关部分，并尽可能简化其他部分。我正在编辑你的文章。请等待它生效。

def gen(x_init, n, R=2):
    x = x_init
    for _ in range(n):
        x = R * x * (1-x)
        yield x

# execute            
df.loc[1:, "Pop"] = list(gen(df.at[0, "Pop"], len(df) - 1))

print(df)
        Pop
0  0.400000
1  0.480000
2  0.499200
3  0.499999