Python 通过替换iterrows加快pandas代码的速度
我有一个如下所示的数据帧Python 通过替换iterrows加快pandas代码的速度,python,pandas,Python,Pandas,我有一个如下所示的数据帧 +-----------+----------+-------+-------+-----+----------+-----------+ | InvoiceNo | totalamt | Item# | price | qty | MainCode | ProdTotal | +-----------+----------+-------+-------+-----+----------+-----------+ | Inv_001 | 1720 |
+-----------+----------+-------+-------+-----+----------+-----------+
| InvoiceNo | totalamt | Item# | price | qty | MainCode | ProdTotal |
+-----------+----------+-------+-------+-----+----------+-----------+
| Inv_001 | 1720 | 260 | 1500 | 1 | 0 | 1500 |
| Inv_001 | 1720 | 777 | 100 | 1 | 260 | 100 |
| Inv_001 | 1720 | 888 | 120 | 1 | 260 | 120 |
| Inv_002 | 1160 | 360 | 700 | 1 | 0 | 700 |
| Inv_002 | 1160 | 777 | 100 | 1 | 360 | 100 |
| Inv_002 | 1160 | 888 | 120 | 1 | 360 | 120 |
| Inv_002 | 1160 | 999 | 140 | 1 | 360 | 140 |
| Inv_002 | 1160 | 111 | 100 | 1 | 0 | 100 |
+-----------+----------+-------+-------+-----+----------+-----------+
我想添加ProdTotal
值,该值的MainCode
等于项。
从我为我的工作得到的答案中得到启发,我成功地产生了下面提到的期望输出
+-----------+----------+-------+-------+-----+----------+-----------+
| InvoiceNo | totalamt | Item# | price | qty | MainCode | ProdTotal |
+-----------+----------+-------+-------+-----+----------+-----------+
| Inv_001 | 1720 | 260 | 1720 | 1 | 0 | 1720 |
| Inv_002 | 1160 | 360 | 1060 | 1 | 0 | 1060 |
| Inv_002 | 1160 | 111 | 100 | 1 | 0 | 100 |
+-----------+----------+-------+-------+-----+----------+-----------+
使用下面的代码
df = pd.read_csv('data.csv')
df_grouped = dict(tuple(df.groupby(['InvoiceNo'])))
remove_index= []
ids = 0
for x in df_grouped:
for index, row in df_grouped[x].iterrows():
ids += 1
try:
main_code_data = df_grouped[x].loc[df_grouped[x]['MainCode'] == row['Item#']]
length = len(main_code_data['Item#'])
iterator = 0
index_value = 0
for i in range(len(df_grouped[x].index)):
index_value += df_grouped[x].at[index + iterator, 'ProdTotal']
df.at[index, 'ProdTotal'] = index_value
iterator += 1
for item in main_code_data.index:
remove_index.append(item)
except:
pass
df = df.drop(remove_index)
但是数据由数百万行组成,而这段代码运行速度非常慢。通过一次简短的谷歌搜索和其他成员的评论,我知道iterrows()
正在使代码运行缓慢。如何替换iterrows()
,使代码更高效、更具pythonic?这适用于示例数据。它对您的实际数据有效吗
# Sample data.
df = pd.DataFrame({
'InvoiceNo': ['Inv_001'] * 3 + ['Inv_002'] * 5,
'totalamt': [1720] * 3 + [1160] * 5,
'Item#': [260, 777, 888, 260, 777, 888, 999, 111],
'price': [1500, 100, 120, 700, 100, 120, 140, 100],
'qty': [1] * 8,
'MainCode': [0, 260, 260, 0, 260, 260, 260, 0],
'ProdTotal': [1500, 100, 120, 700 ,100 ,120, 140, 100]
})
subtotals = df[df['MainCode'].ne(0)].groupby(
['InvoiceNo', 'MainCode'], as_index=False)['ProdTotal'].sum()
subtotals = subtotals.rename(columns={'MainCode': 'Item#', 'ProdTotal': 'ProdSubTotal'})
result = df[df['MainCode'].eq(0)]
result = result.merge(subtotals, on=['InvoiceNo', 'Item#'], how='left')
result['ProdTotal'] += result['ProdSubTotal'].fillna(0)
result['price'] = result.eval('ProdTotal / qty')
result = result.drop(columns=['ProdSubTotal'])
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal
0 Inv_001 1720 260 1720.0 1 0 1720.0
1 Inv_002 1160 260 1060.0 1 0 1060.0
2 Inv_002 1160 111 100.0 1 0 100.0
我们首先要获得每个InvoiceNo
和MainCode
的聚合ProdTotal
(但仅在MainCode
不等于零的情况下,.ne(0)
):
然后我们需要从主数据帧中过滤这些数据,所以我们只需过滤MainCode
等于零的地方,.eq(0)
我们希望将小计加入到该结果中,InvoiceNo
匹配,result
中的Item#
与subtotal
中的MainCode
匹配。一种方法是更改小计
中的列名,然后执行左合并:
subtotals = subtotals.rename(columns={'MainCode': 'Item#', 'ProdTotal': 'ProdSubTotal'})
result = result.merge(subtotals, on=['InvoiceNo', 'Item#'], how='left')
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal ProdSubTotal
0 Inv_001 1720 260 1500 1 0 1500 220.0
1 Inv_002 1160 260 700 1 0 700 360.0
2 Inv_002 1160 111 100 1 0 100 NaN
现在,我们将ProdSubTotal
添加到ProdTotal
并删除该列
result['ProdTotal'] += result['ProdSubTotal'].fillna(0)
result = result.drop(columns=['ProdSubTotal'])
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal
0 Inv_001 1720 260 1500 1 0 1720.0
1 Inv_002 1160 260 700 1 0 1060.0
2 Inv_002 1160 111 100 1 0 100.0
最后,我们重新计算价格
,给定数量
和新的产品总数
result['price'] = result.eval('ProdTotal / qty')
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal
0 Inv_001 1720 260 1720.0 1 0 1720.0
1 Inv_002 1160 260 1060.0 1 0 1060.0
2 Inv_002 1160 111 100.0 1 0 100.0
这适用于示例数据。它对您的实际数据有效吗
# Sample data.
df = pd.DataFrame({
'InvoiceNo': ['Inv_001'] * 3 + ['Inv_002'] * 5,
'totalamt': [1720] * 3 + [1160] * 5,
'Item#': [260, 777, 888, 260, 777, 888, 999, 111],
'price': [1500, 100, 120, 700, 100, 120, 140, 100],
'qty': [1] * 8,
'MainCode': [0, 260, 260, 0, 260, 260, 260, 0],
'ProdTotal': [1500, 100, 120, 700 ,100 ,120, 140, 100]
})
subtotals = df[df['MainCode'].ne(0)].groupby(
['InvoiceNo', 'MainCode'], as_index=False)['ProdTotal'].sum()
subtotals = subtotals.rename(columns={'MainCode': 'Item#', 'ProdTotal': 'ProdSubTotal'})
result = df[df['MainCode'].eq(0)]
result = result.merge(subtotals, on=['InvoiceNo', 'Item#'], how='left')
result['ProdTotal'] += result['ProdSubTotal'].fillna(0)
result['price'] = result.eval('ProdTotal / qty')
result = result.drop(columns=['ProdSubTotal'])
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal
0 Inv_001 1720 260 1720.0 1 0 1720.0
1 Inv_002 1160 260 1060.0 1 0 1060.0
2 Inv_002 1160 111 100.0 1 0 100.0
我们首先要获得每个InvoiceNo
和MainCode
的聚合ProdTotal
(但仅在MainCode
不等于零的情况下,.ne(0)
):
然后我们需要从主数据帧中过滤这些数据,所以我们只需过滤MainCode
等于零的地方,.eq(0)
我们希望将小计加入到该结果中,InvoiceNo
匹配,result
中的Item#
与subtotal
中的MainCode
匹配。一种方法是更改小计
中的列名,然后执行左合并:
subtotals = subtotals.rename(columns={'MainCode': 'Item#', 'ProdTotal': 'ProdSubTotal'})
result = result.merge(subtotals, on=['InvoiceNo', 'Item#'], how='left')
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal ProdSubTotal
0 Inv_001 1720 260 1500 1 0 1500 220.0
1 Inv_002 1160 260 700 1 0 700 360.0
2 Inv_002 1160 111 100 1 0 100 NaN
现在,我们将ProdSubTotal
添加到ProdTotal
并删除该列
result['ProdTotal'] += result['ProdSubTotal'].fillna(0)
result = result.drop(columns=['ProdSubTotal'])
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal
0 Inv_001 1720 260 1500 1 0 1720.0
1 Inv_002 1160 260 700 1 0 1060.0
2 Inv_002 1160 111 100 1 0 100.0
最后,我们重新计算价格
,给定数量
和新的产品总数
result['price'] = result.eval('ProdTotal / qty')
>>> result
InvoiceNo totalamt Item# price qty MainCode ProdTotal
0 Inv_001 1720 260 1720.0 1 0 1720.0
1 Inv_002 1160 260 1060.0 1 0 1060.0
2 Inv_002 1160 111 100.0 1 0 100.0
不要合并熊猫。将数据拆分为两个数据框,一个包含发票、总金额、项目、价格、数量,另一个包含发票、主代码。使用合并操作执行内部联接,然后可以按行求和列的值,并删除不需要的列。执行合并操作。将数据拆分为两个数据框,一个包含发票、总金额、项目、价格、数量,另一个包含发票、主代码。“使用合并操作进行内部联接”,之后可以按行求和列的值,并删除不需要的列。为什么不为零,所有行的主代码都不等于项目编号。”。你是说分组相加吗?什么应该是零@如果6MainCode
等于每个InvoiceNo
中的项
。例如:在Inv_001
中,项777 888
具有MainCode 260
。因此,这些项是260
的一部分,但在您的示例数据框中,MainCode
值中没有一个等于Item.
@HS nebula columnItem.
。将其视为主要产品和其他项目(例如在Inv_001
777、888
和Inv_002
777 888 999
中)是与此相关联的子产品。为什么不是零,没有一行的主代码与项目编号相同。你是说分组相加吗?什么应该是零@如果6MainCode
等于每个InvoiceNo
中的项
。例如:在Inv_001
中,项777 888
具有MainCode 260
。因此,这些项是260
的一部分,但在您的示例数据框中,MainCode
值中没有一个等于Item.
@HS nebula columnItem.
。将其视为主要产品,其他项目(如Inv_001
777、888
和Inv_002
777 888 999
)是与此相关的子产品。在示例数据中,它运行良好。但是,在原始数据中并非如此。让我进一步检查我的代码&会给你回复的。谢谢……太好了。现在快了3倍。非常感谢您建议避免提供此解决方案。iterrows()
&在示例数据中效果良好。但是,在原始数据中并非如此。让我进一步检查我的代码&会给你回复的。谢谢……太好了。现在快了3倍。非常感谢您建议避免提供此解决方案。iterrows()
&我不明白为什么对我的答案投反对票。我不明白为什么对我的答案投反对票。