当我打电话时df.groupby([...]).apply(lambda x: ...)
,表现很糟糕。有没有更快/更直接的方法来做这个简单的查询?
为了证明我的观点,这里有一些设置 DataFrame 的代码:
import pandas as pd
df = pd.DataFrame(data=
{'ticker': ['AAPL','AAPL','AAPL','IBM','IBM','IBM'],
'side': ['B','B','S','S','S','B'],
'size': [100, 200, 300, 400, 100, 200],
'price': [10.12, 10.13, 10.14, 20.3, 20.2, 20.1]})
price side size ticker
0 10.12 B 100 AAPL
1 10.13 B 200 AAPL
2 10.14 S 300 AAPL
3 20.30 S 400 IBM
4 20.20 S 100 IBM
5 20.10 B 200 IBM
现在这是我需要加快速度的非常慢的部分:
%timeit avgpx = df.groupby(['ticker','side']) \
.apply(lambda group: (group['size'] * group['price']).sum() / group['size'].sum())
3.23 ms ± 148 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
这会产生正确的结果,但正如您在上面看到的那样,需要很长时间(3.23ms 看起来并不多,但这只有 6 行......当我在真实数据集上使用它时,它需要很长时间)。
ticker side
AAPL B 10.126667
S 10.140000
IBM B 20.100000
S 20.280000
dtype: float64