我应用这个功能
def calculate_recency_for_one_column(column: pd.Series) -> int:
"""Returns the inverse position of the last non-zero value in a pd.Series of numerics.
If the last value is non-zero, returns 1. If all values are non-zero, returns 0."""
non_zero_values_of_col = column[column.astype(bool)]
if non_zero_values_of_col.empty:
return 0
return len(column) - non_zero_values_of_col.index[-1]
到此示例数据帧的所有列
df = pd.DataFrame(np.random.binomial(n=1, p=0.001, size=[1000000]).reshape((1000,1000)))
by using
df.apply(lambda column: calculate_recency_for_one_column(column),axis=0)
结果是:
0 436
1 0
2 624
3 0
...
996 155
997 715
998 442
999 163
Length: 1000, dtype: int64
一切工作正常,但我的程序必须经常执行此操作,因此我需要一个更有效的替代方案。有人知道如何让它更快吗?我认为calculate_recency_for_one_column()
是足够有效的,并且df.apply()
具有最大的改进潜力。这里作为基准(100 次):
>> timeit.timeit(lambda: df.apply(lambda column: calculate_recency_for_one_column(column),axis=0), number=100)
14.700050864834338
Update
穆斯塔法的回答:
>> timeit.timeit(lambda: pd.Series(np.where(df.eq(0).all(), 0, len(df) - df[::-1].idxmax())), number=100)
0.8847485752776265
帕杜的回答:
>> timeit.timeit(lambda: df.apply(calculate_recency_for_one_column_numpy, raw=True, axis=0), number=100)
0.8892530500888824