python - 如何以矢量化方式而不是使用循环来编写代码？

Question

我想以矢量化的方式编写以下代码，因为当前代码非常慢(并且想学习 Python 最佳实践)。基本上，代码是说如果今天的值在昨天的值的 10% 以内，那么今天的值(在新列中)与昨天的值相同。否则，今天的值不变:

def test(df):
    df['OldCol']=(100,115,101,100,99,70,72,75,78,80,110)
    df['NewCol']=df['OldCol']
    for i in range(1,len(df)-1):
        if df['OldCol'][i]/df['OldCol'][i-1]>0.9 and df['OldCol'][i]/df['OldCol'][i-1]<1.1:
            df['NewCol'][i]=df['NewCol'][i-1]
        else:
            df['NewCol'][i]=df['OldCol'][i]
    return df['NewCol']

输出应该是这样的:

    OldCol  NewCol
0      100     100
1      115     115
2      101     101
3      100     101
4       99     101
5       70      70
6       72      70
7       75      70
8       78      70
9       80      70
10     110     110

你能帮忙吗？

我想使用这样的东西，但我没能解决我的问题:

def test(df):
    df['NewCol']=df['OldCol']
    cond=np.where((df['OldCol'].shift(1)/df['OldCol']>0.9) & (df['OldCol'].shift(1)/df['OldCol']<1.1))
    df['NewCol'][cond[0]]=df['NewCol'][cond[0]-1]     
    return df     

Answer 1

三步解决:

df['variation']=(df.OldCol/df.OldCol.shift())
df['gap']=~df.variation.between(0.9,1.1)
df['NewCol']=df.OldCol.where(df.gap).fillna(method='ffill')

对于:

    OldCol  variation    gap  NewCol
0      100        nan   True     100
1      115       1.15   True     115
2      101       0.88   True     101
3      100       0.99  False     101
4       99       0.99  False     101
5       70       0.71   True      70
6       72       1.03  False      70
7       75       1.04  False      70
8       78       1.04  False      70
9       80       1.03  False      70
10     110       1.38   True     110

在这个例子中，它似乎比循环快 30 倍。

在一行中:

x=df.OldCol;df['NewCol']=x.where(~(x/x.shift()).between(0.9,1.1)).fillna(method='ffill')