当我调用
为了证明我的观点,这里是一些设置DataFrame的代码:
df.groupby([...]).apply(lambda x: ...)
时,性能非常差。有没有更快/更直接的方法来执行这个简单的查询?为了证明我的观点,这里是一些设置DataFrame的代码:
import pandas as pd
df = pd.DataFrame(data=
{'ticker': ['AAPL','AAPL','AAPL','IBM','IBM','IBM'],
'side': ['B','B','S','S','S','B'],
'size': [100, 200, 300, 400, 100, 200],
'price': [10.12, 10.13, 10.14, 20.3, 20.2, 20.1]})
price side size ticker
0 10.12 B 100 AAPL
1 10.13 B 200 AAPL
2 10.14 S 300 AAPL
3 20.30 S 400 IBM
4 20.20 S 100 IBM
5 20.10 B 200 IBM
现在有一个非常耗时的部分,我需要加速:
%timeit avgpx = df.groupby(['ticker','side']) \
.apply(lambda group: (group['size'] * group['price']).sum() / group['size'].sum())
3.23 ms ± 148 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
这样做可以得到正确的结果,但正如您在上面看到的,需要很长时间(3.23毫秒似乎不算太多,但这只是6行... 当我在真实数据集上使用它时,它会花费很长时间)。
ticker side
AAPL B 10.126667
S 10.140000
IBM B 20.100000
S 20.280000
dtype: float64