加速按行和每行中的元素运行的Python循环

Question

我有一个数据帧，其中包含日期作为行，列作为特定日期(“n$investment”)中的每个股票的日期。另外，我有一个系列("portT")，其中包含每个日期所有股票的总投资总和(系列大小: len(ndate)*1)。以下代码通过将ndate每行的每个元素除以当天的总和来计算每个股票/每个日期的权重：

(l,w)=port1.shape  
for i in range(0,l):      
    port1.iloc[i]=np.divide(ndate.iloc[i],portT.iloc[i])

代码运行很慢，你能告诉我如何修改和加速它吗？我试图通过矢量化来做到这一点，但没有成功。

Answer 1

因为这只是两个相同形状的数据帧的简单划分(或者你可以这样定义它)，你可以使用简单的/-operator，pandas将以元素的方式执行它(如果形状不匹配，可能会进行复制，所以要确保)：

import pandas as pd
df1 = pd.DataFrame([[1,2], [3,4]])
df2 = pd.DataFrame([[2,2], [3,3]])
df_new = df1 / df2
#>>> pd.DataFrame([[0.5, 1.],[1., 1.3]])

这很可能是在内部执行您在示例中指定的相同操作，但是，内部赋值和检查是绕过的，这应该会给您带来一些速度

编辑:我对你的问题的描述是错误的；也许下一次可以包含一个最小的自包含代码示例。不过，/-operator也适用于数据帧和系列的组合：

import pandas as pd
df = pd.DataFrame([[1,2], [3,4]])
s = pd.Series([1,2])
new_df = df / s
#>>> pd.DataFrame([[1., 3.],[1., 2]])