根据同一列的前一个值对列的值进行矢量化计算？

Question

我有一只熊猫，它有两栏A，B，如下所示。

我想要一个矢量化的解决方案来创建一个新的C列，其中C[i] = C[i-1] - A[i] + B[i]。

df = pd.DataFrame(data={'A': [10, 2, 3, 4, 5, 6], 'B': [0, 1, 2, 3, 4, 5]})

>>> df 
     A  B
 0  10  0
 1   2  1
 2   3  2
 3   4  3
 4   5  4
 5   6  5

下面是使用for-循环的solution：

df['C'] = df['A']

for i in range(1, len(df)):
    df['C'][i] = df['C'][i-1] - df['A'][i] + df['B'][i] 

>>> df
    A  B   C
0  10  0  10
1   2  1   9
2   3  2   8
3   4  3   7
4   5  4   6
5   6  5   5

..。这就是我的工作。

但是由于循环比矢量化计算慢，所以我想在熊猫中给出一个矢量化的解决方案。

我试图像这样使用shift()方法：

df['C'] = df['C'].shift(1).fillna(df['A']) - df['A'] + df['B']

但这并没有帮助，因为移位的C列没有随着计算更新。它保持原来的价值：

>>> df['C'].shift(1).fillna(df['A'])
0    10
1    10
2     2
3     3
4     4
5     5

这就产生了错误的结果。

Answer 1

这可以矢量化，因为：

• delta[i] = C[i] - C[i-1] = -A[i] +B[i]。你可以先从delta和B那里得到，然后.
• 计算delta (加上C[0])的累积和以得到完整的C

守则如下：

delta = df['B'] - df['A']
delta[0] = 0
df['C'] = df.loc[0, 'A'] + delta.cumsum() 
​
print df
    A  B   C
0  10  0  10
1   2  1   9
2   3  2   8
3   4  3   7
4   5  4   6
5   6  5   5