Teilen Sie bestimmte Spalten durch eine andere Spalte in pandas

Frage mich, ob es eine effizientere Möglichkeit der Aufteilung in mehreren Spalten einer bestimmten Spalte. Zum Beispiel sage ich:

prev    open    close   volume
20.77   20.87   19.87   962816
19.87   19.89   19.56   668076
19.56   19.96   20.1    578987
20.1    20.4    20.53   418597

Und ich möchte erhalten:

prev    open    close   volume
20.77   1.0048  0.9567  962816
19.87   1.0010  0.9844  668076
19.56   1.0204  1.0276  578987
20.1    1.0149  1.0214  418597

Grundsätzlich, Spalten 'öffnen' und 'schließen' wurden, dividiert durch den Wert aus der Spalte 'prev.'

War ich in der Lage, dies zu tun durch

df['open'] = list(map(lambda x,y: x/y, df['open'],df['prev']))
df['close'] = list(map(lambda x,y: x/y, df['close'],df['prev']))

Ich Frage mich, ob es einen einfacheren Weg? Vor allem wenn es wie 10 Spalten aufgeteilt werden, indem der gleiche Wert sowieso?

  • Warum nicht ich denke, dass....lol danke. Ich wusste, ich mache es komplizierter als es sein sollte
  • df.assign(open=df.open/df.prev, close=df.close/df.prev)?
InformationsquelleAutor user1179317 | 2017-08-26
  1. 2
    df2[['open','close']] = df2[['open','close']].div(df2['prev'].values,axis=0)

    Ausgabe:

        prev      open     close  volume
0  20.77  1.004815  0.956668  962816
1  19.87  1.001007  0.984399  668076
2  19.56  1.020450  1.027607  578987
3  20.10  1.014925  1.021393  418597
    InformationsquelleAutor Scott Boston
  2. 5

    Leistung, ich würde vorschlagen, mit der zugrunde liegenden array-Daten und array-slicing als zwei Spalten geändert werden, kommen in der Sequenz Ansicht in es -

    a = df.values
df.iloc[:,1:3] = a[:,1:3]/a[:,0,None]

    Zu eloborate ein bisschen mehr auf die array-slicing-Teil, mit a[:,[1,2]] gezwungen hätte, eine Kopie dort und würde verlangsamt es nach unten. a[:,[1,2]] auf der dataframe Seite entspricht df[['open','close']] und ich nehme an, verlangsamt die Dinge nach unten zu. df.iloc[:,1:3] ist somit verbessert.

    Probe Gefahren -

    In [64]: df
Out[64]: 
    prev   open  close  volume
0  20.77  20.87  19.87  962816
1  19.87  19.89  19.56  668076
2  19.56  19.96  20.10  578987
3  20.10  20.40  20.53  418597

In [65]: a = df.values
    ...: df.iloc[:,1:3] = a[:,1:3]/a[:,0,None]
    ...: 

In [66]: df
Out[66]: 
    prev      open     close  volume
0  20.77  1.004815  0.956668  962816
1  19.87  1.001007  0.984399  668076
2  19.56  1.020450  1.027607  578987
3  20.10  1.014925  1.021393  418597

    Runtime test

    Ansätze -

    def numpy_app(df): # Proposed in this post
    a = df.values
    df.iloc[:,1:3] = a[:,1:3]/a[:,0,None]
    return df

def pandas_app1(df): # @Scott Boston's soln
    df[['open','close']] = df[['open','close']].div(df['prev'].values,axis=0)
    return df

    Timings -

    In [44]: data = np.random.randint(15, 25, (100000,4)).astype(float)
    ...: df1 = pd.DataFrame(data, columns=(('prev','open','close','volume')))
    ...: df2 = df1.copy()
    ...: 

In [45]: %timeit pandas_app1(df1)
    ...: %timeit numpy_app(df2)
    ...: 
100 loops, best of 3: 2.68 ms per loop
1000 loops, best of 3: 885 µs per loop
    InformationsquelleAutor Divakar
  3. 4
    columns_to_divide = ['open', 'close']
df[columns_to_divide] = df[columns_to_divide] / df['prev']
    InformationsquelleAutor DYZ
Schreibe einen Kommentar