- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
在我当前的项目中,我正在对森林清查数据进行数据分析,并通过最大似然估计对数据进行统计分布拟合。
我计算每个所需数据子集的每个数据集的结果,并获取估计的分布参数和我需要的其他指标,然后将它们全部存储在 pandas 数据框中。
到目前为止,我在一个大的 for 循环中遍历每个数据子集来完成所有这些操作,然后将结果逐行分配给数据帧。
我想知道是否有更有效的方法来做到这一点?我也不想拥有大量数据副本,因为我通常拥有一百万个左右的数据点。
我使用人工数据创建了一个非常简化的示例,没有使用最大似然估计,但这显示了基本结构
import pandas as pd
import scipy as sp
import numpy.random as sprd
def Gen_UniformDist(seed=5, size=1000000):
""" Create a set of random numbers uniformly distributed between 0 and 1 """
sprd.seed(seed)
return sprd.uniform(size=size)
# Generate some test data
dataSet = Gen_UniformDist()
# Create an array of truncation vales
truncValue_arr = sp.linspace(0., 0.9, 20)
df_Output = pd.DataFrame(index=truncValue_arr, columns=['mean', 'NumObs'])
for i, truncValue in enumerate(truncValue_arr):
# Truncate the data using the truncation value
truncated_DataSet = dataSet[ dataSet >= truncValue]
# In my real code the function here is more complex max likelihood
# rather than simple mean used for simplicity here
mean = sp.mean(truncated_DataSet)
numObs = len(truncated_DataSet)
# Real code would calculate more than 2 values for each row
df_Output.iloc[i] = [mean, numObs]
我想要做的是在不使用 for 循环的情况下有效地填充数据帧,但也要避免周围有大量数据副本。这可能吗?
最佳答案
您的算法有两个方面可以立即优化:
for
循环替换为列表推导式。pd.DataFrame
,而不是重复的 iloc
调用。这是一些伪代码:
def return_values(data):
return sp.mean(data), len(data.index)
L = [return_values(dataSet[dataSet >= truncValue]) for truncValue in truncValue_arr]
df = pd.DataFrame(data=L, index=truncValue_arr, columns=['mean', 'NumObs'])
您可以通过重构每个循环中发生的 dataSet >= truncValue
来进一步优化。考虑以下因素:
s = pd.Series([1, 2, 3, 4, 5])
vals = np.array([2, 4])
s[:, None] > vals
array([[False, False],
[False, False],
[ True, False],
[ True, False],
[ True, True]], dtype=bool)
因此,您可以执行以下操作:
mask = np.array(dataset)[:, None] >= np.array(truncValue_arr)
L = [return_values(dataset.loc[mask[:, i]]) \
for i, truncValue in enumerate(truncValue_arr)]
关于python - 比 Pandas Dataframe 逐行计算更有效的方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52625864/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!