更高效的时间增量计算python 3
对不起,我是python新手 我有一个实体数据框架,每个月记录一次值。对于数据帧中的每个唯一实体,我先找到最大值,然后找到最大值对应的月份。使用最大值月,可以以天为单位计算彼此唯一实体的月份与最大月份之间的时间差。这适用于小数据帧 我知道我的循环性能不佳,无法扩展到更大的数据帧(例如,3M行(+156MB))。经过几周的研究,我发现我的循环退化了,我觉得有一个numpy解决方案或者更像Python的东西。有人能找到一种更有效的方法来计算这个时间差吗 我在lambda函数中尝试了各种value.shift(x)计算,但峰值不一致。我还尝试计算更多列,以最小化循环计算更高效的时间增量计算python 3,python,python-3.x,pandas,numpy,datetime,Python,Python 3.x,Pandas,Numpy,Datetime,对不起,我是python新手 我有一个实体数据框架,每个月记录一次值。对于数据帧中的每个唯一实体,我先找到最大值,然后找到最大值对应的月份。使用最大值月,可以以天为单位计算彼此唯一实体的月份与最大月份之间的时间差。这适用于小数据帧 我知道我的循环性能不佳,无法扩展到更大的数据帧(例如,3M行(+156MB))。经过几周的研究,我发现我的循环退化了,我觉得有一个numpy解决方案或者更像Python的东西。有人能找到一种更有效的方法来计算这个时间差吗 我在lambda函数中尝试了各种value.s
import pandas as pd
df = pd.DataFrame({'entity':['A','A','A','A','B','B','B','C','C','C','C','C'], 'month': ['10/31/2018','11/30/2018','12/31/2018','1/31/2019','1/31/2009','2/28/2009','3/31/2009','8/31/2011','9/30/2011','10/31/2011','11/30/2011','12/31/2011'], 'value':['80','600','500','400','150','300','100','200','250','300','200','175'], 'month_number': ['1','2','3','4','1','2','3','1','2','3','4','5']})
df['month'] = df['month'].apply(pd.to_datetime)
for entity in set(df['entity']):
# set peak value
peak_value = df.loc[df['entity'] == entity, 'value'].max()
# set peak value date
peak_date = df.loc[(df['entity'] == entity) & (df['value'] == peak_value), 'month'].min()
# subtract peak date from current date
delta = df.loc[df['entity'] == entity, 'month'] - peak_date
# update days_delta with delta in days
df.loc[df['entity'] == entity, 'days_delta'] = delta
结果:
entity month value month_number days_delta
A 2018-10-31 80 1 0 days
A 2018-11-30 600 2 30 days
A 2018-12-31 500 3 61 days
A 2019-01-31 400 4 92 days
B 2009-01-31 150 1 -28 days
B 2009-02-28 300 2 0 days
B 2009-03-31 100 3 31 days
C 2011-08-31 200 1 -61 days
C 2011-09-30 250 2 -31 days
C 2011-10-31 300 3 0 days
C 2011-11-30 200 4 30 days
C 2011-12-31 175 5 61 days
安装程序
首先,我们还要确保value
是数字
df = pd.DataFrame({
'entity':['A','A','A','A','B','B','B','C','C','C','C','C'],
'month': ['10/31/2018','11/30/2018','12/31/2018','1/31/2019',
'1/31/2009','2/28/2009','3/31/2009','8/31/2011',
'9/30/2011','10/31/2011','11/30/2011','12/31/2011'],
'value':['80','600','500','400','150','300','100','200','250','300','200','175'],
'month_number': ['1','2','3','4','1','2','3','1','2','3','4','5']
})
df['month'] = df['month'].apply(pd.to_datetime)
df['value'] = pd.to_numeric(df['value'])
transform
和idxmax
安装程序
首先,我们还要确保value
是数字
df = pd.DataFrame({
'entity':['A','A','A','A','B','B','B','C','C','C','C','C'],
'month': ['10/31/2018','11/30/2018','12/31/2018','1/31/2019',
'1/31/2009','2/28/2009','3/31/2009','8/31/2011',
'9/30/2011','10/31/2011','11/30/2011','12/31/2011'],
'value':['80','600','500','400','150','300','100','200','250','300','200','175'],
'month_number': ['1','2','3','4','1','2','3','1','2','3','4','5']
})
df['month'] = df['month'].apply(pd.to_datetime)
df['value'] = pd.to_numeric(df['value'])
transform
和idxmax
df['month'].astype('datetime64[D]')
创建一个numpy
高效数组。df['month'].astype('datetime64[D]')
创建一个numpy
高效数组。piRSquared的解决方案在370万条记录上运行了约4分钟。我将df.assign(…)更改为df['time_delta']=df.month-max_months,这样该列将在我的数据帧中永久存在。piRSquared的解决方案在370万条记录上运行了约4分钟。我将df.assign(…)更改为df['time_delta']=df.month-max_months,因此该列在我的数据帧中是永久的。