如何迭代同一列的前几行的结果？

问题描述

从包含 A B D P 列的数据框开始：

import numba
import numpy as np
import pandas as pd
import vaex

d = {'A':[0,1,2,3,4,5,6],'B':[30,35,32,31,39,37],'D':[12,10,13,19,12,21,13],'P':[3,3]}
df = pd.DataFrame(data=d)

df['C'] = 0

df

导出到 hdf5：

df.to_csv("v_df",index=False)
    
df = vaex.from_csv("v_df",convert=True,chunk_size=5_000_000)

我需要计算每一行的“C”列，得到所需的结果，如下所示：

'C': [0,1.666666667,0.552380952,2.333630952,0.962202381,6.38155722,5.714890553]

为了达到这个结果，我需要从第 (1) 行开始迭代每一行并计算如下：

%%time
@numba.njit
def func(B,D,C,b_0=0):
    n = len(B)
    b = np.full(n,b_0,dtype=np.float64)
    for i in range(1,n):
        b[i] = ((((B[i] - B[i - 1]) / B[i - 1])) * D[i]) + C[i-1]
    return b
df['C'] = func(df['B'].to_numpy(),df['D'].to_numpy(),df['C'].to_numpy())
df

但它不起作用。

第一行和第二行结果正常：

'C': [0,-1.114286,1.781250,-1.371429,5.419355,-0.666667]

我已经尝试过“转变”（sammywemmy 的建议）。对于'vaex.from_csv'之前的这个示例数据框，它可以正常工作，但是当通过 vaex 将概念实施到大数据框时，shift 不起作用。

因此，问题是：是否有一种“良好实践”的方法来执行此演算（考虑到 'C' 中的前几行，迭代列 'C' 中的一行的结果）与大数据源 (I´ m 使用 vaex 从 100 万行 csv 导入）？

提前致谢。

解决方法

我不确定它是否是最佳解决方案，但至少它是有效的：您可以使用 apply 方法并将 vectorize 设置为 True。

这是完整的片段：

import numba
import numpy as np
import pandas as pd
import vaex

d = {'A':[0,1,2,3,4,5,6],'B':[30,35,32,31,39,37],'D':[12,10,13,19,12,21,13],'P':[3,3]}
df = pd.DataFrame(data=d)

df['C'] = 0

df

# I removed the b_0 for simplicity
def my_func(B,D,C):
    n = len(B)
    b = np.full(n,dtype=np.float64)
    for i in range(1,n):
        b[i] = ((((B[i] - B[i - 1]) / B[i - 1])) * D[i]) + C[i-1]

    return b

df_vaex = vaex.from_pandas(df)

df_vaex.apply(my_func,arguments=[df_vaex["B"],df_vaex["D"],df_vaex["C"]],vectorize=True)

它给出了预期的输出：

0          0
1    1.66667
2   -1.11429
3    1.78125
4   -1.37143
5    5.41935
6  -0.666667

---

基本上，apply 方法允许逐行应用函数，如果您将 vectorize 设置为 True，将传递完整数组而不是行值。在您的情况下，它是强制性的，因为您需要前几行的值来计算给定行中的 C 值。