Pandas - 使用groupby()、rolling()和apply()时非常慢

Question

Pandas - 使用groupby()、rolling()和apply()时非常慢

3

当我使用 Pandas 处理一个大型数据框（1500682 行）时，调用 groupby 与 rolling 和 apply 函数会导致非常缓慢的性能。我试图获得不同权重的滚动移动平均值。

代码中运行缓慢的部分是：

df['rolling'] = df.groupby('i2')['x'].rolling(3).apply(lambda x: x[-3]*0.1+x[-2]*0.9).reset_index(level=0, drop=True).reindex(df.index)

完整代码（包括数据）如下：

import pandas as pd
from random import randint


# data (it takes some time to create [less than 1 minute in my computer])
data1   = [[[[randint(0, 100) for i in range(randint(1, 2))] for i in range(randint(1, 3))] for i in range(5000)] for i in range(100)]
data2   = pd.DataFrame(
    [
        (i1, i2, i3, i4, x4)
        for (i1, x1) in enumerate(data1)
        for (i2, x2) in enumerate(x1)
        for (i3, x3) in enumerate(x2)
        for (i4, x4) in enumerate(x3)
    ],
    columns = ['i1', 'i2', 'i3', 'i4', 'x']
)
data2.drop(['i3', 'i4'], axis=1, inplace = True)
df   = data2.set_index(['i1', 'i2']).sort_index()


## conflicting part of the code ##
df['rolling'] = df.groupby('i2')['x'].rolling(3).apply(lambda x: x[-3]*0.1+x[-2]*0.9).reset_index(level=0, drop=True).reindex(df.index)

如果您能详细说明代码如何更加高效地执行，使其运行速度更快，我将不胜感激。

- Mario Arend

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Grzegorz Skibinski · Accepted Answer

如果我理解您的意思正确，您可以尝试以下方法：

grp=df.groupby('i2')['x']
df['rolling']=grp.shift(2).mul(0.1).add(grp.shift(1).mul(0.9))

现在来详细解释一下：

为什么不使用.apply(...)：

何时应该在代码中使用 pandas apply() 函数？

相反，你应该使用任何利用向量化操作的方法。我在这里提供了更详细的解释：

https://stackoverflow.com/a/60029108/11610186