Döngüler kullanmak yerine kod nasıl vektörel bir şekilde yazılır?

Question

Geçerli kod oldukça yavaş (ve Python en iyi uygulamaları öğrenmek istiyorum) olarak aşağıdaki kodu vektörsel bir şekilde yazmak istiyorum. Temel olarak, kod bugünün değeri dünün değerinin% 10'u içinde kalıyorsa, bugünün değeri (yeni bir sütunda) dünün değeriyle aynıdır. Aksi takdirde, bugünkü değeri değişmedi:

OldCol NewCol 
0  100  100 
1  115  115 
2  101  101 
3  100  101 
4  99  101 
5  70  70 
6  72  70 
7  75  70 
8  78  70 
9  80  70 
10  110  110 

sen yardım edebilir:

def test(df): 
    df['OldCol']=(100,115,101,100,99,70,72,75,78,80,110) 
    df['NewCol']=df['OldCol'] 
    for i in range(1,len(df)-1): 
     if df['OldCol'][i]/df['OldCol'][i-1]>0.9 and df['OldCol'][i]/df['OldCol'][i-1]<1.1: 
      df['NewCol'][i]=df['NewCol'][i-1] 
     else: 
      df['NewCol'][i]=df['OldCol'][i] 
    return df['NewCol'] 

çıktı şu olmalıdır?

Böyle bir şey kullanmak istiyorum ama benim sorunu çözmek başaramadı: NewCol olduğu

df[(0.9 <= df['NewCol']/df['OldCol']) & (df['NewCol']/df['OldCol'] <= 1.1)] size tüm satırları verecek:

def test(df): 
    df['NewCol']=df['OldCol'] 
    cond=np.where((df['OldCol'].shift(1)/df['OldCol']>0.9) & (df['OldCol'].shift(1)/df['OldCol']<1.1)) 
    df['NewCol'][cond[0]]=df['NewCol'][cond[0]-1]  
    return df  

Answer 1

Orijinal dataframe maske boolean gerekir OldCol

% 10'u dahilinde Yani bu satırlarda NewCol alanını ayarlamak için:

within_10 = df[(0.9 <= df['NewCol']/df['OldCol']) & (df['NewCol']/df['OldCol'] <= 1.1)] 
within_10['NewCol'] = within_10['OldCol'] 

Answer 2

"Atlama" günlerini bulmanın iyi bir yolu gibi göründüğünden, sadece trickier bitini göstereceğim. Bu nedenle, old uzunluğuna sahip N ve aynı boyutta bir boolean numpy dizisi jump olan bir sayı diziniz olduğunu varsayalım. Konvansiyonel olarak jump'un sıfır elemanı True'da ayarlanır. Sonra ilk ayakları arasındaki tekrarların sayıları hesaplayabilir: Bu bir kez sen np.repeat kullanabilirsiniz

jump_indices = np.where(jumps)[0] 
repeats = np.diff(np.r_[jump_indices, [N]]) 

:

new = np.repeat(old[jump_indices], repeats) 

Answer 3

üç adımda bir çözüm: For

df['variation']=(df.OldCol/df.OldCol.shift()) 
df['gap']=~df.variation.between(0.9,1.1) 
df['NewCol']=df.OldCol.where(df.gap).fillna(method='ffill') 

:

OldCol variation gap NewCol 
0  100  nan True  100 
1  115  1.15 True  115 
2  101  0.88 True  101 
3  100  0.99 False  101 
4  99  0.99 False  101 
5  70  0.71 True  70 
6  72  1.03 False  70 
7  75  1.04 False  70 
8  78  1.04 False  70 
9  80  1.03 False  70 
10  110  1.38 True  110 

Bu örnekte döngülerden 30 kat daha hızlı görünüyor.

x=df.OldCol;df['NewCol']=x.where(~(x/x.shift()).between(0.9,1.1)).fillna(method='ffill')