python – 使用不同偏移向量的Pandas矢量化日期偏移操作

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 使用不同偏移向量的Pandas矢量化日期偏移操作，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2586字，纯文字阅读大概需要4分钟。

内容图文

我正在尝试执行以下操作,但似乎不支持此模式下的矢量化操作.

import pandas as pd
df=pd.DataFrame([[2017,1,15,1],
             [2017,1,15,2],
             [2017,1,15,3],
             [2017,1,15,4],
             [2017,1,15,5],
             [2017,1,15,6],
             [2017,1,15,7]],
             columns=['year','month','day','month_offset'])
df['date']=df.apply(lambda g: pd.datetime(g.year,g.month,g.day),axis=1)
df['offset']=df.apply(lambda g: pd.offsets.MonthEnd(g.month_offset),axis=1)
df['date_offset']=df.date+df.offset

这是为代码段中的最后一个语句返回的警告：

C:\Python3.5.2.3\WinPython-64bit-3.5.2.3\python-3.5.2.amd64\lib\site-packages\pandas\core\ops.py:533: PerformanceWarning: Adding/subtracting array of DateOffsets to Series not vectorized
“Series not vectorized”, PerformanceWarning)

由于性能优势,我希望将其作为矢量化操作.

谢谢.

编辑

最后,比较@ john-zwinck的后续方法：

import time
import pandas as pd
import numpy as np

df=pd.DataFrame([[2017,1,1,1],
             [2017,1,1,2],
             [2017,1,1,3],
             [2017,1,1,4],
             [2017,1,1,5],
             [2017,1,1,6],
             [2017,1,1,7]],
             columns=['year','month','day','month_offset'])

df['mydate']=df.apply(lambda g: 
pd.datetime(g.year,g.month,g.day),axis=1)
start_time=time.time()
df['pandas_offset']=df.apply(lambda g: g.mydate + 
pd.offsets.MonthEnd(g.month_offset),axis=1)
end_time=time.time()
print('Method1 {} seconds'.format(end_time-start_time))

start_time=time.time()
df['numpy_offset']=(df.mydate.values.astype('M8[M]')+ 
df.month_offset.values * np.timedelta64(1, 'M')).astype('M8[D]') - 
np.timedelta64(1, 'D')
end_time=time.time()
print('Method3 with numpy vectorization {} seconds'.format(end_time-
start_time))

结果：

index year  month  day  month_offset     mydate    offset1      final
0  2017      1    1             1 2017-01-01 2017-01-31 2017-01-31
1  2017      1    1             2 2017-01-01 2017-02-28 2017-02-28
2  2017      1    1             3 2017-01-01 2017-03-31 2017-03-31
3  2017      1    1             4 2017-01-01 2017-04-30 2017-04-30
4  2017      1    1             5 2017-01-01 2017-05-31 2017-05-31
5  2017      1    1             6 2017-01-01 2017-06-30 2017-06-30
6  2017      1    1             7 2017-01-01 2017-07-31 2017-07-31


runfile('C:/bitbucket/test/vector_dates.py', wdir='C:/bitbucket/test')
Method 1 0.003999948501586914 seconds
Method 2 with numpy vectorization 0.0009999275207519531 seconds

显然numpy快得多

解决方法:

一个真正的矢量化方法是从month_offset构造一个numpy.timedelta64数组,将其添加到日期数组中,然后减去numpy.timedelta64(1,’D’)以返回上个月的最后一天.

使用apply(lambda)的解决方案可能要慢得多.正如警告所说,一些Pandas日期偏移操作没有矢量化.如果您的数据很大,最好避免使用它们.像busday_offset()和timedelta64这样的NumPy工具是完全高效的.

内容总结

以上是互联网集市为您收集整理的python – 使用不同偏移向量的Pandas矢量化日期偏移操作全部内容，希望文章能够帮你解决python – 使用不同偏移向量的Pandas矢量化日期偏移操作所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端