[pandas]有没有办法更快或更简单地计算累积旅行距离

问题描述

我正在尝试加速我的代码。

这是我的示例代码。 （实际代码比较复杂

import pandas as pd
import time,math,random

length=10000
x = [random.randint(0,100) for _ in range(length)]
y = [random.randint(0,100) for _ in range(length)]
x_pd = pd.Series(data=x)
y_pd = pd.Series(data=y)
print(x)
print(y)
print(x_pd)
print(y_pd)

distance= 0
distance2= 0
t = time.time()
for k in range(1,len(x)):
    distance += math.sqrt((x[k] - x[k-1])**2 + (y[k] - y[k-1])**2)
print("dist from list : %lf"% distance)
print("duration for compute moving distance = ",time.time()-t)
            
# compute by rolling
t = time.time()
for k in range(1,len(x_pd)):
    distance2 += math.sqrt((x_pd[k] - x_pd[k-1])**2 + (y_pd[k] - y_pd[k-1])**2)
print("dist from pd.Series : %lf"% distance2)
print("duration for compute moving distance = ",time.time()-t)

如上所示，我有 2 个列表（或熊猫系列），它们是 X、Y 姿势列表。我想计算累计行驶距离。

我认为如果长度更大，由于 for 迭代，使用上面的 Pandas 计算会更慢。

有没有比我想象的更快或更简单的计算方法？ 谢谢！

解决方法

试试矢量化的 Pandas 函数：

((x_pd.diff()**2 + y_pd.diff()**2)**.5).sum()

,

您可以使用另一个包 modin.pandas 它比 pandas 快约 x4 并且它具有一些功能。这个包使用并行处理。

 import modin.pandas as pd