加快将函数应用于熊猫数据框列表

Question

我有一些时间序列数据，其中每个数据点都是熊猫数据框，即数据框列表。我还有一个函数foo 对每个数据点进行操作。目的是将函数应用于整个时间序列数据并有效地完成。

我已经对函数foo 进行了矢量化处理，以便它对整个数据帧进行操作，并实现了大约 32 倍的加速。

原代码如下：

def bar(row, cols):
    return tuple([row[col] for col in cols])

def foo(df, cols):
    keys = set()
    for index, row in df.iterrows():
        key = bar(row, cols)
        keys.add(key)

    # do calculations on keys that returns a numeric output, result
    return result # float64

矢量化代码如下：

def vect_bar(df, cols):
    df['key'] = df[cols].values.sum(axis=1)
    return df

def vect_foo(df, cols):
    df['key'] = ""
    df = vect_bar(df, cols)
    keys = df.key.unique()

    # do calculations on keys that returns a numeric output, result
    return result # float64

计时结果如下：

%timeit -n 100 foo(df, cols)
100 loops, best of 3: 42.9 ms per loop

%timeit -n 100 vect_foo(df, cols)
100 loops, best of 3: 1.34 ms per loop

注意： cols 是列名列表。 数据框的所有元素都是字符串和 dtype 对象。

但是，将vect_foo 应用于所有数据点仍然需要很长时间。如何进一步加快速度？

我尝试根据数据创建熊猫系列并使用series.apply()。但是，这并没有导致常规 for 循环方法的任何加速。

编辑： 如果我之前不清楚，给定一个数据框，函数vect_foo 非常有效。 我想要的是一种加快将vect_foo 应用于所有数据点（即数据帧列表）的方法。

data_series = pd.Series(data)
def apply_data():
    return data_series.apply(vect_foo, cols)

data 是 pandas 数据帧的列表，即data = [df1, df2, ..., df50K]

在这里，我尝试了pandas.Series.apply()，但它的表现类似于普通的 for 循环方法。

Answer 1

import pandas as pd

def foo(row, cols):
    row['keys'] = row[cols].sum()
    return row

df.apply(foo, axis=1)

只需创建您的辅助函数并使用apply 函数。这通常是在 pandas 中跨行/列应用函数的最有效方式