Python 如何加快熊猫中的row操作？目前发布代码需要13个小时

我有100000行和500多列。我想计算前5行的加权平均值，并对每一行使用该数据。例如，我有10行

行1:5-无处理

第6行=第5*1行+第4*0.8行+第3*0.6行+第2*0.4行+第1*0.2行

使用Pandas我已经解决了这个问题，但是在整个数据集上完成这个操作需要13-14个小时。我阅读了有关.apply函数的内容，但我不确定在访问前几行中的信息时如何使用它

范围内的i（lengthAllData）：#长度=总行数
如果i>=5：
alldata.iloc[i，1:width]=（alldata.iloc[i-1，1:width]*1+
alldata.iloc[i-2,1:宽度]*0.8+alldata.iloc[i-3,1:宽度]*0.6+
alldata.iloc[i-4,1:width]*0.4+alldata.iloc[i-5,1:width]*0.2）/
wtavg
其他：
通过

我想在几分钟内执行这段代码。如何操作？

使用to

iterrows（）

函数迭代行。此外，不要每次都查找项目，而是将它们存储在列表中，并根据需要删除

你的代码看起来像这样-

  i = 0
  tmp = []
    for _,k in alldata.iterrows():
       if i <5:
          tmp.append(k) #Appending k will append the individual row as a series 
       else:
           tmp.append(Weighted average of last 5 elements of tmp)

i=0
tmp=[]
对于alldata.iterrows（）中的k：
如果我使用to
iterrows（）
函数迭代行。此外，不要每次都查找项目，而是将它们存储在列表中，并根据需要删除

你的代码看起来像这样-

  i = 0
  tmp = []
    for _,k in alldata.iterrows():
       if i <5:
          tmp.append(k) #Appending k will append the individual row as a series 
       else:
           tmp.append(Weighted average of last 5 elements of tmp)

i=0
tmp=[]
对于alldata.iterrows（）中的k：
一般来说，如果i，应该避免对数据帧应用循环，尤其是对它们的行。尝试向下移动数据帧：

newdata = df.shift(1) * 1   + df.shift(2) * 0.8 + df.shift(3) * 0.6\
        + df.shift(4) * 0.4 + df.shift(5) * 0.2

通常，应该避免将循环应用于数据帧，尤其是数据帧的行。尝试向下移动数据帧：

newdata = df.shift(1) * 1   + df.shift(2) * 0.8 + df.shift(3) * 0.6\
        + df.shift(4) * 0.4 + df.shift(5) * 0.2

谢谢你，老兄！这真的很有帮助！谢谢你，老兄！这真的很有帮助！在（tmp.append）（tmp最后5个元素的加权平均数）中，我如何访问前几行，因为“\ux”将只提供当前行的索引。@Neel“k”具有您需要的详细信息。如果列名为nums，则k.nums将是当前行的值。（tmp.append（tmp最后5个元素的加权平均数）如何访问前几行，因为“\ux”只提供当前行的索引。@Neel“k”提供了所需的详细信息。如果列名为nums，则k.nums将是当前行的值。