python - Numpy 向量化搞乱了数据类型 (2)
问题描述
我有不想要的行为np.vectorize
,即它改变了进入原始函数的参数的数据类型。我最初的问题是关于一般情况的,我将使用这个新问题来询问更具体的情况。
(为什么是第二个问题?我创建了这个关于更具体案例的问题以说明问题 - 从具体到更一般总是更容易。我已经单独创建了这个问题,因为我认为它是对保留一般情况以及对它的一般答案(如果找到)很有用,而不是因为考虑解决任何特定问题而被“污染”。)
所以,一个具体的例子。我住的地方,星期三是彩票日。因此,让我们从一个pandas
包含今年所有星期三的日期列的数据框开始:
df = pd.DataFrame({'date': pd.date_range('2020-01-01', freq='7D', periods=53)})
我想看看我会在哪些可能的日子里玩。每个月的月初和月底我都不会觉得特别幸运,有些月份我觉得特别不吉利。因此,我使用此函数来查看日期是否符合条件:
def qualifies(dt, excluded_months = []):
#Date qualifies, if...
#. it's on or after the 5th of the month; and
#. at least 5 days remain till the end of the month (incl. date itself); and
#. it's not in one of the months in excluded_months.
if dt.day < 5:
return False
if (dt + pd.tseries.offsets.MonthBegin(1) - dt).days < 5:
return False
if dt.month in excluded_months:
return False
return True
我希望你意识到这个例子仍然有些做作;)但它更接近我想要做的事情。我尝试以两种方式应用此功能:
df['qualifies1'] = df['date'].apply(lambda x: qualifies(x, [3, 8]))
df['qualifies2'] = np.vectorize(qualifies, excluded=[1])(df['date'], [3, 8])
据我所知,两者都应该工作,我更喜欢后者,因为前者速度慢而且不受欢迎。编辑:我了解到,第一个也不赞成大声笑。
但是,只有第一个成功,第二个失败并带有AttributeError: 'numpy.datetime64' object has no attribute 'day'
. 所以我的问题是,如果有一种方法可以np.vectorize
在这个函数上使用qualifies
,它需要一个日期时间/时间戳作为参数。
非常感谢!
PS:对于感兴趣的,这是df
:
In [15]: df
Out[15]:
date qualifies1
0 2020-01-01 False
1 2020-01-08 True
2 2020-01-15 True
3 2020-01-22 True
4 2020-01-29 False
5 2020-02-05 True
6 2020-02-12 True
7 2020-02-19 True
8 2020-02-26 False
9 2020-03-04 False
10 2020-03-11 False
11 2020-03-18 False
12 2020-03-25 False
13 2020-04-01 False
14 2020-04-08 True
15 2020-04-15 True
16 2020-04-22 True
17 2020-04-29 False
18 2020-05-06 True
19 2020-05-13 True
20 2020-05-20 True
21 2020-05-27 True
22 2020-06-03 False
23 2020-06-10 True
24 2020-06-17 True
25 2020-06-24 True
26 2020-07-01 False
27 2020-07-08 True
28 2020-07-15 True
29 2020-07-22 True
30 2020-07-29 False
31 2020-08-05 False
32 2020-08-12 False
33 2020-08-19 False
34 2020-08-26 False
35 2020-09-02 False
36 2020-09-09 True
37 2020-09-16 True
38 2020-09-23 True
39 2020-09-30 False
40 2020-10-07 True
41 2020-10-14 True
42 2020-10-21 True
43 2020-10-28 False
44 2020-11-04 False
45 2020-11-11 True
46 2020-11-18 True
47 2020-11-25 True
48 2020-12-02 False
49 2020-12-09 True
50 2020-12-16 True
51 2020-12-23 True
52 2020-12-30 False
解决方案
我认为@rpanai 在原帖上的回答仍然是最好的。在这里分享我的测试:
def qualifies(dt, excluded_months = []):
if dt.day < 5:
return False
if (dt + pd.tseries.offsets.MonthBegin(1) - dt).days < 5:
return False
if dt.month in excluded_months:
return False
return True
def new_qualifies(dt, excluded_months = []):
dt = pd.Timestamp(dt)
if dt.day < 5:
return False
if (dt + pd.tseries.offsets.MonthBegin(1) - dt).days < 5:
return False
if dt.month in excluded_months:
return False
return True
df = pd.DataFrame({'date': pd.date_range('2020-01-01', freq='7D', periods=12000)})
申请方法:
%%timeit
df['qualifies1'] = df['date'].apply(lambda x: qualifies(x, [3, 8]))
每个循环 385 毫秒 ± 21.6 毫秒(平均值 ± 标准偏差。7 次运行,每个循环 1 个)
转换方法:
%%timeit
df['qualifies1'] = df['date'].apply(lambda x: new_qualifies(x, [3, 8]))
每个循环 389 毫秒 ± 12.6 毫秒(平均值 ± 标准偏差。7 次运行,每个循环 1 个)
矢量化代码:
%%timeit
df['qualifies2'] = np.logical_not((df['date'].dt.day<5).values | \
((df['date']+pd.tseries.offsets.MonthBegin(1)-df['date']).dt.days < 5).values |\
(df['date'].dt.month.isin([3, 8])).values)
每个循环 4.83 毫秒 ± 117 微秒(平均值 ± 标准偏差。7 次运行,每次 100 次循环)
推荐阅读
- matlab - MATLAB 上用于分叉的并行池化
- python - 一个简单的python程序的时间复杂度
- java - Java OutOfMemoryError:奇怪的行为
- ios - 可选类型“UITextField?”的值 必须解包以引用已包装基本类型“UITextField”的成员“文本”
- python - 如何使用所有依赖项导入其他人的 conda 环境
- c - 访问静态初始化变量时是否应该使用屏障?
- javascript - React - 数组中每个组件的相同回调
- android - 调试构建android中的ViroReact渲染问题
- reactjs - ReactJS SSR 应用程序整个内容在“主页”时消失:在 package.json 中使用
- android - 单击单选按钮时出现 Logcat 错误