<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          Pandas中Apply函數(shù)加速百倍的技巧!

          共 2596字,需瀏覽 6分鐘

           ·

          2022-05-29 08:10


          ↑?關(guān)注 + 星標?,每天學(xué)Python新技能

          后臺回復(fù)【大禮包】送你Python自學(xué)大禮包


          來源:
          kaggle競賽寶典

          轉(zhuǎn)自:Python大數(shù)據(jù)分析


          大家好,我是小五??


          雖然目前dask,cudf等包的出現(xiàn),使得我們的數(shù)據(jù)處理大大得到了加速,但是并不是每個人都有比較好的gpu,非常多的朋友仍然還在使用pandas工具包,但有時候真的很無奈,pandas的許多問題我們都需要使用apply函數(shù)來進行處理,而apply函數(shù)是非常慢的,本文我們就介紹如何加速apply函數(shù)600倍的技巧。

          實驗對比
          01?Apply(Baseline)

          我們以Apply為例,原始的Apply函數(shù)處理下面這個問題,需要18.4s的時間。

          import pandas as pdimport numpy as npdf = pd.DataFrame(np.random.randint(0, 11, size=(1000000, 5)), columns=('a','b','c','d','e'))def func(a,b,c,d,e):    if e == 10:        return c*d    elif (e < 10) and (e>=5):        return c+d    elif e < 5:        return a+b%%timedf['new'] = df.apply(lambda x: func(x['a'], x['b'], x['c'], x['d'], x['e']), axis=1)CPU times: user 17.9 s, sys: 301 ms, total: 18.2 sWall time: 18.4 s

          02?Swift加速

          因為處理是并行的,所以我們可以使用Swift進行加速,在使用Swift之后,相同的操作在我的機器上可以提升到7.67s。

          %%time# !pip install swifterimport swifterdf['new'] = df.swifter.apply(lambda x : func(x['a'],x['b'],x['c'],x['d'],x['e']),axis=1)HBox(children=(HTML(value='Dask Apply'), FloatProgress(value=0.0, max=16.0), HTML(value='')))
          CPU times: user 329 ms, sys: 240 ms, total: 569 msWall time: 7.67 s

          03?向量化

          使用Pandas和Numpy的最快方法是將函數(shù)向量化。如果我們的操作是可以直接向量化的話,那么我們就盡可能的避免使用:

          • for循環(huán);
          • 列表處理;
          • apply等操作

          在將上面的問題轉(zhuǎn)化為下面的處理之后,我們的時間縮短為:421 ms。

          %%timedf['new'] = df['c'] * df['d'] #default case e = =10mask = df['e'] < 10df.loc[mask,'new'] = df['c'] + df['d']mask = df['e'] < 5df.loc[mask,'new'] = df['a'] + df['b']CPU times: user 134 ms, sys: 149 ms, total: 283 msWall time: 421 ms

          04?類別轉(zhuǎn)化+向量化

          我們先將上面的類別轉(zhuǎn)化為int16型,再進行相同的向量化操作,發(fā)現(xiàn)時間縮短為:116 ms。

          for col in ('a','b','c','d'):    df[col] = df[col].astype(np.int16) %%timedf['new'] = df['c'] * df['d'] #default case e = =10mask = df['e'] < 10df.loc[mask,'new'] = df['c'] + df['d']mask = df['e'] < 5df.loc[mask,'new'] = df['a'] + df['b']CPU times: user 71.3 ms, sys: 42.5 ms, total: 114 msWall time: 116 ms

          05?轉(zhuǎn)化為values處理

          在能轉(zhuǎn)化為.values的地方盡可能轉(zhuǎn)化為.values,再進行操作。

          • 此處先轉(zhuǎn)化為.values等價于轉(zhuǎn)化為numpy,這樣我們的向量化操作會更加快捷。

          于是,上面的操作時間又被縮短為:74.9ms。

          %%timedf['new'] = df['c'].values * df['d'].values #default case e = =10mask = df['e'].values < 10df.loc[mask,'new'] = df['c'] + df['d']mask = df['e'].values < 5df.loc[mask,'new'] = df['a'] + df['b']CPU times: user 64.5 ms, sys: 12.5 ms, total: 77 msWall time: 74.9 ms

          實驗匯總

          通過上面的一些小的技巧,我們將簡單的Apply函數(shù)加速了幾百倍,具體的:

          • Apply: 18.4 s
          • Apply + Swifter: 7.67 s
          • Pandas vectorizatoin: 421 ms
          • Pandas vectorization + data types: 116 ms
          • Pandas vectorization + values + data types: 74.9ms

          作者:杰少,本文大部分內(nèi)容參考引文
          參考文獻:Do You Use Apply in Pandas? There is a 600x Faster Way



          1. 9個很酷的CMD命令,你要知道!

          2. 聊聊我常用的兩個可視化工具,Echarts和Tableau

          3. Python 全自動解密解碼神器 — Ciphey

          4. 知網(wǎng)哭窮賠不起1200億,網(wǎng)友:收錢時咋不嫌多




          瀏覽 45
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  大陆AV高清无码在线播放 | 青青色在线观看 | AV日韩中文字幕 | 偷拍五月丁香 | 伊人成人在线视频 |