Python:Pandas:加速应用函数
Posted
技术标签:
【中文标题】Python:Pandas:加速应用函数【英文标题】:Python: Pandas: Speeding up an Apply Function 【发布时间】:2014-07-29 17:17:15 【问题描述】:我正在尝试在 33 MB 数据帧(CSV 格式)上执行 pandas 应用功能,但速度非常慢。我正在尝试找出原因。我正在对更大的数据帧(16 GB)进行申请,并在大约 6 小时内完成。这个函数在一个小得多的数据帧上运行,我让它运行了 1.5 小时,仍然没有。
我试图找出瓶颈可能在哪里。我的怀疑是,因为我使用的是 ping 雅虎或谷歌金融的数据阅读器功能,这可能是它慢得多的原因。但是,当我用它为几只股票做样本时,它似乎是瞬间完成的。
有人对此有任何想法吗?或者有什么方法让它更快?我已经考虑过对它进行 cythoning,但如果瓶颈是 ping 时间不会加快速度。或者更好的是有没有办法将它矢量化? (我看不到方法,但有些人比我聪明得多 :) )这是很多问题,但基本上我只是在寻找建议以使其运行得更快。谢谢!
PS- 如果有人知道如何在应用功能上添加进度条,那将是一个很好的额外奖励:) 再次感谢!
data4=pd.read_csv('check2.csv', parse_dates=['dater1','dater2'], infer_datetime_format=True)
def nextweekday(date):
day=date.weekday()
if day==4:
return date+datetime.timedelta(days=3)
if day==5:
return date+datetime.timedelta(days=2)
else:
return date+datetime.timedelta(days=1)
def getquote(tick,date,plus):
date=date+datetime.timedelta(days=plus)
nextday=nextweekday(date)
try:
return DataReader(tick, "yahoo",date, nextday)["Close"]
except:
return "NO"
def apply_days5(row):
return getquote(row['AcquirorTickerSymbol'],row['dater2'],5)
data4['days5']=data4.apply(apply_days5, axis=1)
【问题讨论】:
【参考方案1】:我不是 100% 确定您要完成什么,但有一些想法。
首先,像这样反复点击雅虎会增加很多不必要的开销。我可能会做这样的事情,将所有股票数据读入一个数据框。
In [83]: tickers = data4['AcquirorTickerSymbol'].unique()
In [84]: min_date = data4['dater2'].min()
...: max_date = data4['dater2'].max()
...:
...: dfs = []
...: for ticker in tickers:
...: df = DataReader(ticker, 'yahoo', min_date, max_date)[['Close']]
...: df['AcquirorTickerSymbol'] = ticker
...: df['dater2'] = df.index
...: dfs.append(df)
In [85]: stock_df = pd.concat(dfs, ignore_index=True)
然后,您可以将现有数据与股票 df 合并,而不是使用 apply,如下所示:
In [92]: data4 = data4.merge(stock_df, how='left')
如果您想填充缺失值,而不是在应用中使用自定义逻辑,使用fillna
会快得多
In [94]: data4['Close'] = data4['Close'].fillna('NO')
【讨论】:
已接受答案。抱歉耽搁了(出城了)。我希望有更好的东西,但我认为你是对的,这是最好的方法。感谢您的回复。以上是关于Python:Pandas:加速应用函数的主要内容,如果未能解决你的问题,请参考以下文章
如果列值不为 NULL,则 Python pandas 应用函数