python - 基于同一列的先前值对列值进行矢量化计算？

Question

我有一个包含两列 A、B 的 pandas 数据框，如下所示。

我想要一个矢量化解决方案来创建一个新列 C，其中 C[i] = C[i-1] - A[i] + B[i]。

df = pd.DataFrame(data={'A': [10, 2, 3, 4, 5, 6], 'B': [0, 1, 2, 3, 4, 5]})

>>> df 
     A  B
 0  10  0
 1   2  1
 2   3  2
 3   4  3
 4   5  4
 5   6  5

这是 solution使用 for 循环:

df['C'] = df['A']

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

>>> df
    A  B   C
0  10  0  10
1   2  1   9
2   3  2   8
3   4  3   7
4   5  4   6
5   6  5   5

... 完成这项工作。

但由于与向量化计算相比循环速度较慢，我想要在 pandas 中对此进行向量化解决方案:

我尝试像这样使用 shift() 方法:

df['C'] = df['C'].shift(1).fillna(df['A']) - df['A'] + df['B']

但这并没有帮助，因为移动的 C 列未随计算更新。它保留其原始值:

>>> df['C'].shift(1).fillna(df['A'])
0    10
1    10
2     2
3     3
4     4
5     5

这会产生错误的结果。

Answer 1

这可以被向量化，因为:

• delta[i] = C[i] - C[i-1] = -A[i] +B[i]。您可以先从 A 和 B 获取 delta，然后...
• 计算 delta 的累加和(加上 C[0])以获得完整的 C

代码如下:

delta = df['B'] - df['A']
delta[0] = 0
df['C'] = df.loc[0, 'A'] + delta.cumsum() 
​
print df
    A  B   C
0  10  0  10
1   2  1   9
2   3  2   8
3   4  3   7
4   5  4   6
5   6  5   5