Skip to main content
 首页 » 编程设计

python之具有复位条件的累积和

2024年11月24日21qlqwjy

您好,我有一个数据框,我想在其中一个列的累计总和等于阈值时找到索引。然后它将重置并再次启动 cumsum。

例如:

    d = np.random.randn(10, 1) * 2 
    df = pd.DataFrame(d.astype(int), columns=['data']) 
    pd.concat([df,df.cumsum()],axis=1) 

输出:

输出[34]:

   data  data1 
0     1     1 
1     2     3 
2     3     6 
3     2     8 
4     0     8 
5     1     9 
6     0     9 
7    -1     8 
8     1     9 
9     2    11 

所以在上面的示例数据中,data1 是第 1 列的总和。如果我设置 thres=5 这意味着只要第 1 列的运行总和更大大于或等于 5,我保存索引。发生这种情况后,运行总和将重置并重新开始,直到达到下一次运行总和大于或等于5。

现在我正在做一个循环并不断跟踪运行总和并手动重置。我想知道 pandas 中是否有一种快速矢量化的方法来做到这一点,因为我的数据框有数百万行长。

谢谢

请您参考如下方法:

我不熟悉 pandas,但我的理解是它基于 numpy。使用 numpy,您可以定义可与 accumulate 一起使用的自定义函数。

这是我认为最接近您要找的内容的一个:

import numpy as np 
def capsum(array,cap): 
   capAdd = np.frompyfunc(lambda a,b:a+b if a < cap else b,2,1) 
   return capAdd.accumulate(values, dtype=np.object) 
 
values = np.random.rand(1000000) * 3 // 1 
 
result = capsum(values,5)  # --> produces the result in 0.17 sec. 

我相信(或者我希望)您可以在数据帧上使用 numpy 函数。