1

从具有 ABDP 列的数据框开始：

import numba
import numpy as np
import pandas as pd
import vaex

d = {'A':[0,1,2,3,4,5,6],'B':[30,35,32,35,31,39,37],'D':[12,10,13,19,12,21,13],'P':[3,3,3,3,3,3,3]}
df = pd.DataFrame(data=d)

df['C'] = 0

df

导出到 hdf5：

df.to_csv("v_df", index=False)
    
df = vaex.from_csv("v_df", convert=True, chunk_size=5_000_000)

我需要计算每行的“C”列，并得到所需的结果，如下所示：

'C': [0, 1.666666667, 0.552380952, 2.333630952, 0.962202381, 6.38155722, 5.714890553]

为了达到这个结果，我需要从第 (1) 行开始迭代每一行并计算如下内容：

%%time
@numba.njit
def func(B, D, C, b_0=0):
    n = len(B)
    b = np.full(n, b_0, dtype=np.float64)
    for i in range(1, n):
        b[i] = ((((B[i] - B[i - 1]) / B[i - 1])) * D[i]) + C[i-1]
    return b
df['C'] = func(df['B'].to_numpy(),df['D'].to_numpy(),df['C'].to_numpy())
df

但它不起作用。

第一行和第二行结果正常：

'C': [0, 1.666666667, -1.114286, 1.781250, -1.371429, 5.419355, -0.666667]

我已经尝试过“转变”（sammywemmy 的建议）。对于“vaex.from_csv”之前的此示例数据框，它可以正常工作，但是当通过 vaex 将概念实施到大数据框时，移位不起作用。

所以，问题是：是否有一种“良好实践”的方法来执行这种演算（考虑到“C”中的前几行，迭代“C”列中的一行的结果）（我正在使用 vaex从 100 万行 csv 导入）？

提前致谢。

4

1 回答 1

0

我不确定它是否是最佳解决方案，但至少它正在工作：您可以将apply方法与vectorizeset to 一起使用True。

这是完整的片段：

import numba
import numpy as np
import pandas as pd
import vaex

d = {'A':[0,1,2,3,4,5,6],'B':[30,35,32,35,31,39,37],'D':[12,10,13,19,12,21,13],'P':[3,3,3,3,3,3,3]}
df = pd.DataFrame(data=d)

df['C'] = 0

df

# I removed the b_0 for simplicity
def my_func(B, D, C):
    n = len(B)
    b = np.full(n, 0, dtype=np.float64)
    for i in range(1, n):
        b[i] = ((((B[i] - B[i - 1]) / B[i - 1])) * D[i]) + C[i-1]

    return b

df_vaex = vaex.from_pandas(df)

df_vaex.apply(my_func, arguments=[df_vaex["B"], df_vaex["D"], df_vaex["C"]], vectorize=True)

它给出了预期的输出：

0          0
1    1.66667
2   -1.11429
3    1.78125
4   -1.37143
5    5.41935
6  -0.666667

基本上，apply方法允许逐行应用函数，如果您设置vectorize为True完整数组，则将传递而不是行值。在您的情况下，这是强制性的，因为您需要前几行的值来计算给定行中的 C 值。

于 2021-04-13T07:04:43.627 回答