首先,我对 Python 和 Pandas 还很陌生,所以请耐心等待并尽可能简单地回答。此外,如果您可以详细说明与我的示例中的代码不同的任何代码,或者指出一个可靠的参考资料以使其易于理解,我将不胜感激。
我有一个包含 60 多列和 80 万行(并且还在增长)的每月数据的数据框(df1) ,用于 6000 多个位置。我正在尝试根据位置许可证号('lic_num', int)、月份('mo_yr', date) 计算滚动平均值(3 个月、12 个月、YTD 等)。我已经使用 apply() 成功地做到了这一点。问题是 apply() 感觉非常慢,需要 10 分钟。这不是这个项目的主要问题,因为这不会是需要按需运行的东西,但我希望在我需要一个项目更快执行的情况下更有效地编写类似的代码。这是我用来实现结果的数据框(df1)和我的代码的示例
lic_num mo_yr ap aw fi
120700142 2013-03-01 228214.3 206273.53 61393.0
120700142 2013-04-01 256239.4 235296.96 64228.0
120700142 2013-05-01 247725.3 227165.09 74978.0
120700142 2013-06-01 229776.8 211765.55 64559.0
120700142 2013-07-01 229036.2 210963.06 58132.0
df1_col_list = df1.columns.tolist()
for col in df1_col_list[2:5]:
df1[col+'_3mo'] = df1.groupby('lic_num', as_index=False).apply(
lambda x: x.rolling(3, on='mo_yr', min_periods=1)[col].mean()).reset_index(level=0, drop=True)
lic_num mo_yr ap aw fi ap_3mo aw_3mo fi_3mo
120700142 2013-03-01 228214.3 206273.53 61393.0 228214.300000 206273.530000 61393.000000
120700142 2013-04-01 256239.4 235296.96 64228.0 242226.850000 220785.245000 62810.500000
120700142 2013-05-01 247725.3 227165.09 74978.0 244059.666667 222911.860000 66866.333333
120700142 2013-06-01 229776.8 211765.55 64559.0 244580.500000 224742.533333 67921.666667
120700142 2013-07-01 229036.2 210963.06 58132.0 235512.766667 216631.233333 65889.666667