优化 pandas 运行时的过滤功能

Question

def filter_data(df, raw_col,threshold,filt_col):
    df['pct'] = None
    df[filt_col] = None
    df[filt_col][0] = df[raw_col][0]
    max_val = df[raw_col][0]
    for i in range(1,len(df)):
        df['pct'][i] = (df[raw_col][i] - max_val)*1.0 / max_val
        if abs(df['pct'][i]) < threshold:
            df[filt_col][i] = None
        else:
            df[filt_col][i] = df[raw_col][i]
            max_val = df[raw_col][i]
    df = df.dropna(axis=0, how='any').reset_index()
    return df


from random import randint
some_lst = [randint(50, 100) for i in range(0,50)]
some_df = pd.DataFrame({'raw_col':some_lst})
some_df_filt = filter_data(some_df,'raw_col',0.01,'raw_col_filt')

创建一个新列（filt_col）的目标，其中使用以下逻辑删除数字列（raw_col）中的记录；如果两个相邻行之间的变化率小于阈值，则删除后者。 它可以工作，但在运行时间方面效率很低。 关于如何优化它的任何提示？

Answer 1

IIUC，您可以使用.pct_change() 和loc 非常简单地做到这一点

第一

df['pctn'] = df.raw_col.pct_change()

然后

threshold  = 0.01
df.loc[df.pctn.abs() >= threshold]

您可以检查此解决方案是否产生与您所说的相同的结果，有效，但速度很慢

df.loc[df.pctn.abs() >= 0.01].raw_col.tolist() == some_df_filt.raw_col.tolist()
True