python - dtype 对象的累积操作

Question

我想弄清楚如何将累积函数应用于对象。对于数字，有多种选择，例如 cumsum 和 cumcount。还有df.expanding可以与 apply 一起使用。但是我传递给 apply 的函数不适用于对象。

import pandas as pd
df = pd.DataFrame({"C1": [1, 2, 3, 4], 
                   "C2": [{"A"}, {"B"}, {"C"}, {"D"}], 
                   "C3": ["A", "B", "C", "D"], 
                   "C4": [["A"], ["B"], ["C"], ["D"]]})

df
Out: 
   C1   C2 C3   C4
0   1  {A}  A  [A]
1   2  {B}  B  [B]
2   3  {C}  C  [C]
3   4  {D}  D  [D]

在数据框中，我有整数值、集合、字符串和列表。现在，如果我尝试 expanding().apply(sum) 我有累计和:

df.expanding().apply(sum)
Out[69]: 
     C1   C2 C3   C4
0   1.0  {A}  A  [A]
1   3.0  {B}  B  [B]
2   6.0  {C}  C  [C]
3  10.0  {D}  D  [D]

我的期望是，因为求和是在列表和字符串上定义的，所以我会得到这样的结果:

     C1   C2  C3     C4
0   1.0  {A}  A      [A]
1   3.0  {B}  AB     [A, B]
2   6.0  {C}  ABC    [A, B, C]
3  10.0  {D}  ABCD   [A, B, C, D]

我也试过这样的:

df.expanding().apply(lambda r: reduce(lambda x, y: x+y**2, r))
Out: 
     C1   C2 C3   C4
0   1.0  {A}  A  [A]
1   5.0  {B}  B  [B]
2  14.0  {C}  C  [C]
3  30.0  {D}  D  [D]

它按我的预期工作:之前的结果是 x，当前行值是 y。但是我不能减少使用 x.union(y)，例如。

所以，我的问题是:除了 expanding 之外，我可以在对象上使用任何替代方法吗？该示例只是为了表明 expanding().apply() 不适用于对象数据类型。我正在寻找一种支持将函数应用于这两个输入的通用解决方案:先前的结果和当前元素。

Answer 1

事实证明这是做不到的。

继续同一样本:

def burndowntheworld(ser):
    print('Are you sure?')
    return ser/0

df.select_dtypes(['object']).expanding().apply(burndowntheworld)
Out: 
    C2 C3   C4
0  {A}  A  [A]
1  {B}  B  [B]
2  {C}  C  [C]
3  {D}  D  [D]

如果列的类型是对象，则永远不会调用该函数。 pandas 没有适用于对象的替代方法。 rolling().apply() 也一样.

从某种意义上说，这是一件好事，因为使用自定义函数的 expanding.apply 复杂度为 O(n**2)。对于 cumsum、ewma 等特殊情况，操作的递归性质可以将复杂性降低到线性时间，但在大多数情况下，它应该首先计算函数n 个元素，然后是前 n+1 个元素，依此类推。因此，特别是对于只依赖于当前值和函数先前值的函数，扩展是非常低效的。更不用说在 DataFrame 中存储列表或集合从来都不是一个好主意。

所以答案是:如果您的数据不是数字，并且函数依赖于先前的结果和当前元素，则只需使用 for 循环。无论如何都会更有效率。