Чи є у Pandas спосіб використовувати попереднє значення рядка в dataframe.apply, коли попереднє значення також обчислюється в застосунку?

Question 1

У мене є такий фрейм даних:

 Index_Date    A    B    C    D
 ===============================
 2015-01-31    10   10   Nan  10
 2015-02-01     2    3   Nan  22 
 2015-02-02    10   60   Nan  280
 2015-02-03    10   100   Nan  250

Вимагати:

 Index_Date    A    B    C    D
 ===============================
 2015-01-31    10   10   10   10
 2015-02-01     2    3   23   22
 2015-02-02    10   60   290  280
 2015-02-03    10   100  3000 250

Column Cвиводиться для 2015-01-31приймаючи valueз D.

Тоді мені потрібно використовувати valueз Cдля 2015-01-31і помножити на valueз Aна 2015-02-01і додати B.

Я робив спробу, applyа shiftвикористання за if elseдопомогою цього видає ключову помилку.

Question 2

Спочатку створіть похідне значення:

df.loc[0, 'C'] = df.loc[0, 'D']

Потім перегляньте залишки рядків та заповніть обчислені значення:

for i in range(1, len(df)):
    df.loc[i, 'C'] = df.loc[i-1, 'C'] * df.loc[i, 'A'] + df.loc[i, 'B']


  Index_Date   A   B    C    D
0 2015-01-31  10  10   10   10
1 2015-02-01   2   3   23   22
2 2015-02-02  10  60  290  280

Question 3

Дано стовпець цифр:

lst = []
cols = ['A']
for a in range(100, 105):
    lst.append([a])
df = pd.DataFrame(lst, columns=cols, index=range(5))
df

    A
0   100
1   101
2   102
3   103
4   104

Ви можете посилатися на попередній рядок зі зміщенням:

df['Change'] = df.A - df.A.shift(1)
df

    A   Change
0   100 NaN
1   101 1.0
2   102 1.0
3   103 1.0
4   104 1.0

Question 4

`numba`

Для рекурсивних обчислень, що не піддаються векторизації, numbaщо використовує компіляцію JIT і працює з об’єктами нижчого рівня, часто дається значне покращення продуктивності. Вам потрібно лише визначити звичайний forцикл і використовувати декоратор @njitабо (для старих версій) @jit(nopython=True):

Для кадру даних розумного розміру це дає ~ 30-кратне покращення продуктивності порівняно зі звичайним forциклом:

from numba import jit

@jit(nopython=True)
def calculator_nb(a, b, d):
    res = np.empty(d.shape)
    res[0] = d[0]
    for i in range(1, res.shape[0]):
        res[i] = res[i-1] * a[i] + b[i]
    return res

df['C'] = calculator_nb(*df[list('ABD')].values.T)

n = 10**5
df = pd.concat([df]*n, ignore_index=True)

# benchmarking on Python 3.6.0, Pandas 0.19.2, NumPy 1.11.3, Numba 0.30.1
# calculator() is same as calculator_nb() but without @jit decorator
%timeit calculator_nb(*df[list('ABD')].values.T)  # 14.1 ms per loop
%timeit calculator(*df[list('ABD')].values.T)     # 444 ms per loop

Question 5

Застосування рекурсивної функції до масивів numpy буде швидшим, ніж поточна відповідь.

df = pd.DataFrame(np.repeat(np.arange(2, 6),3).reshape(4,3), columns=['A', 'B', 'D'])
new = [df.D.values[0]]
for i in range(1, len(df.index)):
    new.append(new[i-1]*df.A.values[i]+df.B.values[i])
df['C'] = new

Вихідні дані

      A  B  D    C
   0  1  1  1    1
   1  2  2  2    4
   2  3  3  3   15
   3  4  4  4   64
   4  5  5  5  325

Question 6

Незважаючи на те, що минуло трохи часу з того часу, як було поставлено це питання, я розміщу свою відповідь, сподіваючись, що це комусь допоможе.

Застереження: Я знаю, що це рішення не є стандартним , але я думаю, що воно працює добре.

import pandas as pd
import numpy as np

data = np.array([[10, 2, 10, 10],
                 [10, 3, 60, 100],
                 [np.nan] * 4,
                 [10, 22, 280, 250]]).T
idx = pd.date_range('20150131', end='20150203')
df = pd.DataFrame(data=data, columns=list('ABCD'), index=idx)
df
               A    B     C    D
 =================================
 2015-01-31    10   10    NaN  10
 2015-02-01    2    3     NaN  22 
 2015-02-02    10   60    NaN  280
 2015-02-03    10   100   NaN  250

def calculate(mul, add):
    global value
    value = value * mul + add
    return value

value = df.loc['2015-01-31', 'D']
df.loc['2015-01-31', 'C'] = value
df.loc['2015-02-01':, 'C'] = df.loc['2015-02-01':].apply(lambda row: calculate(*row[['A', 'B']]), axis=1)
df
               A    B     C     D
 =================================
 2015-01-31    10   10    10    10
 2015-02-01    2    3     23    22 
 2015-02-02    10   60    290   280
 2015-02-03    10   100   3000  250

Отже, в основному ми використовуємо a applyвід pandas та допомогу глобальної змінної, яка відстежує попереднє обчислене значення.

Порівняння часу з forциклом:

data = np.random.random(size=(1000, 4))
idx = pd.date_range('20150131', end='20171026')
df = pd.DataFrame(data=data, columns=list('ABCD'), index=idx)
df.C = np.nan

df.loc['2015-01-31', 'C'] = df.loc['2015-01-31', 'D']

%%timeit
for i in df.loc['2015-02-01':].index.date:
    df.loc[i, 'C'] = df.loc[(i - pd.DateOffset(days=1)).date(), 'C'] * df.loc[i, 'A'] + df.loc[i, 'B']

3,2 с ± 114 мс на цикл (середнє ± стандартне розроблення з 7 циклів, по 1 циклу)

data = np.random.random(size=(1000, 4))
idx = pd.date_range('20150131', end='20171026')
df = pd.DataFrame(data=data, columns=list('ABCD'), index=idx)
df.C = np.nan

def calculate(mul, add):
    global value
    value = value * mul + add
    return value

value = df.loc['2015-01-31', 'D']
df.loc['2015-01-31', 'C'] = value

%%timeit
df.loc['2015-02-01':, 'C'] = df.loc['2015-02-01':].apply(lambda row: calculate(*row[['A', 'B']]), axis=1)

1,82 с ± 64,4 мс на цикл (середнє ± стандартне розроблення 7 циклів, по 1 циклу)

Тож у середньому в 0,57 рази швидше.

Question 7

Загалом, ключем до уникнення явного циклу є об’єднання (об’єднання) 2 екземплярів кадру даних на rowindex-1 == rowindex.

Тоді у вас буде великий кадр даних, що містить рядки r та r-1, звідки ви можете зробити функцію df.apply ().

Однак накладні витрати на створення великого набору даних можуть компенсувати переваги паралельної обробки ...

HTH Мартін