python - 如何在引用前几行时遍历 pandas 数据框？

Question

我正在遍历 Python 数据框，发现它非常慢。我知道在 Pandas 中你会尝试对所有内容进行矢量化，但在这种情况下我特别需要迭代(或者如果可以进行矢量化，我不清楚该怎么做)。

逻辑很简单:您有两列“A”和“B”以及一个结果列“信号”。如果 A 等于 1，则将信号设置为 1。如果 B 等于 1，则将信号设置为 0。否则，信号为之前的值。换句话说，A 列是“开”信号，B 列是“关”信号，“信号”代表状态。

这是我的代码:

def signals(indata):
    numrows = len(indata)
    data = pd.DataFrame(index= range(0,numrows))
    data['A'] = indata['A']
    data['B'] = indata['B']
    data['signal'] = 0


    for i in range(1,numrows):
        if data['A'].iloc[i] == 1:
            data['signal'].iloc[i] = 1
        elif data['B'].iloc[i] == 1:
            data['signal'].iloc[i] = 0
        else:
            data['signal'].iloc[i] = data['signal'].iloc[i-1]
    return data

示例输入/输出:

indata = pd.DataFrame(index = range(0,10))
indata['A'] = [0, 1, 0, 0, 0, 0, 1, 0, 0, 0]
indata['B'] = [1, 0, 0, 0, 1, 0, 0, 0, 1, 1]

signals(indata)

输出:

    A   B   signal
0   0   1   0
1   1   0   1
2   0   0   1
3   0   0   1
4   0   1   0
5   0   0   0
6   1   0   1
7   0   0   1
8   0   1   0
9   0   1   0

这个简单的逻辑需要我的计算机 46 秒才能在包含随机生成数据的 2000 行数据帧上运行。

Answer 1

df['signal'] = df.A.groupby((df.A != df.B).cumsum()).transform('head', 1)

df
   A  B  signal
0  0  1       0
1  1  0       1
2  0  0       1
3  0  0       1
4  0  1       0
5  0  0       0
6  1  0       1
7  0  0       1
8  0  1       0
9  0  1       0

这里的逻辑涉及根据A 和B 之间的不等式将您的系列分组，并且每个组的值由A 确定.