问题描述
我有一个包含 ResidMat 和 Price 的数据框,我使用 scipy 来查找插值 CubicSpline。我使用 CubicSpline 并申请查找数据集上的所有数据。但它不是很快,因为在这种情况下没有更多的数据。我会有一百多条数据,而且速度很慢。您是否有这样做的想法,但也许可以使用矩阵?
谢谢,
def add_interpolated_price(row,generic_residmat):
from scipy.interpolate import CubicSpline
residmats = row[['ResidMat']].values
prices = row[['Price']].values
cs = CubicSpline(residmats,prices)
return float(cs(generic_residmat))
df = pd.DataFrame([[1,18,38,58,83,103,128,148,32.4,32.5,33.8,33.5,32.8,32.7],[2,17,37,57,82,102,127,147,31.2,31.5,32.7,33.2,32.9,33.3]],columns = ['index','ResidMat','Price','Price'],index=['2010-06-25','2010-06-28'])
my_resimmat = 30
df['Generic_Value'] = df.apply(lambda row: add_interpolated_price(row,generic_residmat=my_resimmat),axis=1)
解决方法
在查看这段代码的配置文件后,大部分时间都花在了插值上,所以我建议最好的方法是使用 pandaralel。 Make Pandas DataFrame apply() use all cores? 有详细信息。我最喜欢这种方法......(下面的大纲代码)
from pandarallel import pandarallel
from math import sin
pandarallel.initialize()
def func(x):
return sin(x**2)
df.parallel_apply(func,axis=1)
但这仅适用于 Linux 和 Macos,在 Windows 上,Pandarallel 仅在 Python 会话从适用于 Linux 的 Windows 子系统 (WSL) 执行时才有效。