python - 加快 np.arange( 1,100) 下值的求和速度

Question

我正在循环访问一系列数字，然后计算一系列小于或等于每个范围成员的内容:

min_odds_range = np.arange( 1.01, 2.0, 0.01 )
df_result = pd.DataFrame( columns=[ 'FILLS' ], index=min_odds_range )
for mo in min_odds_range:
    df_result[ 'FILLS' ] = my_stats[ 'PRICE' ]<=mo

循环代码是我的程序中最慢的部分。

怎样才能加快速度？我尝试过使用下面的代码进行广播，但它给了我一个 NotImplemented 异常:

runner_stats[ 'MIN_ODDS' ].lt( pd.DataFrame( np.arange( 1.0, 2.0, 0.1 ) ) )

Answer 1

在我看来，您的代码生成了一个数据帧 df_result，其中有一列“FILLS”，然后该列被覆盖 10 次。只有 for 循环的最后一次迭代才真正对数据集执行任何操作。

这段代码将做同样的事情，但没有循环。我很确定你在逻辑上遗漏了一些东西。

min_odds_range = np.arange( 1.01, 2.0, 0.01 )
df_result = pd.DataFrame( columns=[ 'FILLS' ], index=min_odds_range )
df_result[ 'FILLS' ] = my_stats[ 'PRICE' ] <= 2.0

如果您能为 my_stats 提供一些示例数据并告诉我们您的目标是什么，那么我们会更容易为您提供帮助。