Python 滚动求和然后使用此滚动求和得到随机整数

我有这个数据框：

    Date                A
0   2014-11-21 11:00:00 1
1   2014-11-21 11:00:03 2
2   2014-11-21 11:00:04 5
3   2014-11-21 11:00:05 3
4   2014-11-21 11:00:07 9
5   2014-11-21 11:00:08 6
6   2014-11-21 11:00:10 3
7   2014-11-21 11:00:11 1
8   2014-10-24 10:00:55 8
9   2014-10-24 10:00:59 10

我试图计算一列

a

的滚动和，周期为2秒

假设这个新列名为

rsum

在计算了

rsum'列之后，我想用它来创建另一个名为

B`的列

B

值是

A

值+介于-1*rsum和rsum之间的随机整数

以下是我的完整工作代码：

import pandas as pd
import numpy as np
from datetime import timedelta
from random import seed, randrange
df = pd.DataFrame({"Date": ['2014-11-21 11:00:00', '2014-11-21 11:00:03', '2014-11-21 11:00:04', '2014-11-21 11:00:05', '2014-11-21 11:00:07', '2014-11-21 11:00:08', '2014-11-21 11:00:10', '2014-11-21 11:00:11', '2014-10-24 10:00:55', '2014-10-24 10:00:59'], "A":[1, 2, 5, 3, 9, 6, 3,1, 8, 10]})
df
df.Date=pd.to_datetime(df.Date)

df['ind']=df.index
df = df.set_index('Date')

df['rsum']= df.groupby('ind').rolling('2s', closed = 'both').A.sum().reset_index(level=0, drop=True) 
df['B'] = df.apply(lambda x : randrange(-x.rsum, x.rsum), axis=1)
print(df.drop(columns=['ind', 'rsum']).reset_index())

结果是：

                 Date   A  B
0 2014-11-21 11:00:00   1  0
1 2014-11-21 11:00:03   2  1
2 2014-11-21 11:00:04   5 -5
3 2014-11-21 11:00:05   3  1
4 2014-11-21 11:00:07   9  6
5 2014-11-21 11:00:08   6  2
6 2014-11-21 11:00:10   3  2
7 2014-11-21 11:00:11   1  0
8 2014-10-24 10:00:55   8  0
9 2014-10-24 10:00:59  10 -2

我的代码实际上正在工作，但我对Python还是新手，我确信这不是实现这一点的最有效的方法。因为计算B值不是矢量化的'df['B']=df.apply（lambda x:randrange（-x.rsum，x.rsum），axis=1）

我还有另一个问题，如果我必须对多个列执行此操作，而不是仅对一个列执行此操作，我认为最明显的方法是对每个列执行for循环，并重复

df['B']=df.apply（lambda x:randrange（-x.rsum，x.rsum），axis=1）。

---

实现这一点最有效的方法是什么？

我使用

numpy

和

randrange

对4种方法进行了基准测试

%timeit df['B'] = df.apply(lambda x : randrange(-x.rsum, x.rsum), axis=1)
2.06 ms ± 44.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['C'] = df.apply(lambda x : np.random.randint(-x.rsum, x.rsum), axis=1)
2.07 ms ± 34.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['D'] = df['rsum'].map(lambda x : np.random.randint(-x, x))
340 µs ± 2.39 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# Winner
%timeit df['E'] = df['rsum'].map(lambda x : randrange(-x, x))
333 µs ± 3.59 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

正如您可以看到的那样，

randrange

with map是

最快的

，如果操作只在一列上，您不应该使用

apply

，最新的

numpy

开发者版本可以开箱即用，但由于您可能没有这个功能，您需要的是一个矢量化版本的

np.random.randint

：

>>> def randint(x):
...  return np.random.randint(-x, x)
...
>>> np.vectorize(randint)(df.rsum)
array([ 0,  0, -1, -3, -1,  5,  2,  0, -8,  4])

在应用

之前，一切都是一样的。你可以把它放在一个新的专栏里，以此类推。您也可以删除rsum

，只需使用前面的命令输出即可。确保在实际代码中只矢量化一次，以便

my_rand = np.vectorize(randint)
df['new_col'] = my_rand(df.rsum)

---

总的来说，熊猫和努比玩得很好。在使用这些库时，我不会使用非Numpy（或Scipy）提供的

random

内容。

好的，谢谢。那多列的情况呢？我能用什么技巧来表达这个观点吗？有很多变量需要考虑，而且很有情境性；然而，对于基本的数学运算，对多列使用

apply

你的意思是

map

？

map

->单列，

apply

->多列，换句话说

apply

是针对数据帧的。我不确定

map

是否有更多的矢量化，但它的操作范围要小得多。