python - 当涉及的列根据行而变化时，如何在熊猫中执行算术。对不同长度的列求和

Question

# Create a test data set based on the below dictionary
import pandas as pd
import math
import random
num_of_rows = 10000
data = {
    'x1' : [random.uniform(0.0, 1.0) for x in range(num_of_rows)],
    'x2' : [random.uniform(0.0, 1.0) for x in range(num_of_rows)],
    'x3' : [random.uniform(0.0, 1.0) for x in range(num_of_rows)],
    'term': [random.randint(1, 3) for x in range(num_of_rows)]
}
df = pd.DataFrame(data)
df.head()

x1	x2	x3	学期
0.103324	0.304647	0.979813	3
0.420082	0.416356	0.848054	2
0.722017	0.888290	0.728066	3
0.796869	0.535150	0.833837	2
0.764554	0.244415	0.479697	1

%%timeit
# To goal is to sum as month columns as indicated by the term column
def sum_rows(list = [], cnt = 0):
    return sum(list[:int(cnt)])
df['sum'] = df.apply(lambda x: sum_rows([x['x1'], x['x2'], x['x3']], x['term']), axis=1)
df

输出 - 每个循环 217 毫秒 ± 1.06 毫秒（平均值 ± 标准偏差。7 次运行，每个循环 1 个）

%%timeit
#  This appraoch advoids the apply function, but is very confusing to read
df['sum'] = df['x1'] * (df['term'] >= 1) + df['x2'] * (df['term'] >= 2) + df['x3'] * (df['term'] >= 3)
df

输出 - 每个循环 1.89 毫秒 ± 6.03 微秒（平均值 ± 标准偏差。7 次运行，每次 1000 次循环）

第二种方法显示比使用 apply 函数快 100 倍以上 是否有其他方法可以执行上述计算，什么被认为是更好的？如果我想将列相乘（而不是相加），第二种方法将不再有效

总和的输出是：

x1	x2	x3	学期	和
0.103324	0.304647	0.979813	3	1.387784
0.420082	0.416356	0.848054	2	0.836438
0.722017	0.888290	0.728066	3	2.338373
0.796869	0.535150	0.833837	2	1.332019
0.764554	0.244415	0.479697	1	0.764554

标签： pythonpandasapply