python - 当输入是列表时,为什么 pd.df.rolling.aggregate 需要更长的时间?
问题描述
我正在使用 python 3.8.3 和 pandas 1.1.5。
table_in.T
是一个 18 x 209997 的熊猫数据框。window
并且periods
都设置为12。
以下三行代码分别运行了 9.52s、6.27s 和 5min53s。
rolledsum2_in = table_in.T.rolling(window, min_periods=periods).agg('sum')
rolledmean2_in = table_in.T.rolling(window, min_periods=periods).agg('mean')
rolledsumean_in = table_in.T.rolling(window, min_periods=periods).agg(['sum','mean'])
为什么通过 sum 和 mean 将滚动对象聚合在一起比单独聚合它们需要更长的时间?
解决方案
推荐阅读
- r - 在 R 中优化数据框
- scala - 基于列单调递增的ID
- python - 如何在 Python 中执行 SQL 类型的 INNER JOIN 并且只命名几个列名?
- amazon-web-services - AWS S3 创建限制列表对象的策略
- r - cut() 具有缺失值的变量
- python - 当 url 更改并添加 'offset=[# here]' 时,Web 抓取多个页面
- php - 不同站点上的 Wordpress 多站点调用插件功能
- excel - VBA,编译错误,预期的数组
- xamarin.forms - ios 模拟器未显示在我的 XamarinForms 项目中
- java - Java - 同步块的工作方式与方法不同