es.davy.ai

Preguntas y respuestas de programación confiables

¿Tienes una pregunta?

Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.

  • es.davy.ai/
  • Programación /
  • ¿Existe alguna manera de vectorizar el siguiente código de Python (pandas) para aumentar la velocidad?

¿Existe alguna manera de vectorizar el siguiente código de Python (pandas) para aumentar la velocidad?

31 Jul, 2023 Programación

Tengo 2 DataFrames

A_df = pd.DataFrame(data = np.arange(2, 103, 10) + np.random.randn(11), 
                    columns = ['Tiempo(s)'])

B_df = pd.DataFrame(data = zip(range(1, 102), np.random.randn(101)), 
                    columns = ['Tiempo(s)', 'Valor'])

A_df.head()

Tiempo(s)

0 2.751352
1 12.028663
2 20.638388
3 29.821199
4 42.516302

B_df.head()

Tiempo(s) Valor

0 1 1.075801
1 2 0.890754
2 3 -0.015543
3 4 0.085298
4 5 0.208645

Quiero agregar una nueva columna Valor de B en T a A_df, que es el valor más reciente de B (de B_df) en el tiempo t (en A_df).

Actualmente estoy haciendo esto utilizando el método apply() de la siguiente manera:

A_df['Valor de B en T'] = A_df.apply(lambda x: B_df.loc[B_df['Tiempo(s)'] <= x['Tiempo(s)'], 'Valor'].values[-1], axis = 1)
A_df

Tiempo(s)   Valor de B en T

0 2.751352 -0.891782
1 12.028663 2.416335
2 20.638388 -0.186364
3 29.821199 -0.148716
4 42.516302 0.821272

Me preguntaba si hay alguna manera de vectorizar la funcionalidad que se lleva a cabo utilizando el método apply() para acelerar el código.

Tags:  , , ,

Answer

  1. Avatar for davy.ai
    davy.ai

    Sí, hay una forma de vectorizar la funcionalidad utilizando la función merge_asof() de pandas. Esta función puede realizar una fusión “as-of” que se puede utilizar para hacer coincidir según la clave más cercana en lugar de las claves iguales. Aquí está cómo se puede usar en este escenario:

    merged_df = pd.merge_asof(A_df, B_df, on='Time(s)')
merged_df = merged_df.rename(columns={'Value': 'Value of B at T'})
merged_df = merged_df.drop_duplicates(subset='Time(s)', keep='last')
merged_df = merged_df.reset_index(drop=True)

    Este código fusionará los dos dataframes en la columna ‘Time(s)’, haciendo coincidir la clave más cercana, y luego cambiará el nombre de la columna ‘Value’ a ‘Value of B at T’. Eliminará cualquier valor duplicado y solo conservará el último valor para cada tiempo en A_df. Finalmente, restablecerá el índice para que el dataframe resultante esté ordenado por ‘Time(s)’.

    El dataframe resultante merged_df tendrá las mismas columnas que A_df más la nueva columna ‘Value of B at T’ con el valor más reciente de B en cada tiempo de A_df.

    merged_df.head()

       Time(s)  Value of B at T
0        2        -0.604100
1       12        -0.872242
2       22         0.724362
3       32        -1.051623
4       42        -0.402363

Comments are closed.