pandas,计算微分,高效

pandas, calculate diffrential, efficiently

考虑每个患者的测量数据帧和时间戳

patient     |  timestamp  |  x
A           |  2014-10-10 |  5.7
A           |  2014-10-11 |  6.3
B           |  2014-10-11 |  6.1
B           |  2014-10-10 |  4.1

我的目标是计算 d,连续 x 与最近一次测量值 x 之间的差值。

根据建议,这是我使用的代码

df.sort("timestamp", inplace=True)
df['d'] = df.groupby('patient')['x'].transform(pd.Series.diff).fillna(0)

但是,当尝试 运行 在具有许多测量值的数据帧上使用此代码时

patient     |  timestamp  |  x_1  |  ...  |  x_n

使用简单的循环:

df.sort("timestamp", inplace=True)
g=df.groupby('patient')
for x in df.columns:
    if x.find('x')>=0:
       df[x.replace('x','d')] = g[x].transform(pd.Series.diff).fillna(0)

代码运行非常非常慢,

是否有更有效的方法来计算差异向量并将其连接到测量向量?

groupby 可能是一项昂贵的操作,并且您在循环中多次执行相同的操作。如果可能,请尝试使用更少的 groupby 进行所有计算:

cols = [col in df where col[0] = 'x']
res = df.groupby('patient')[cols].diff().fillna(0)

要串联,先重命名再加入:

res = res.rename(columns=(lambda col: 'd'+col[1:]))
df = df.join(res, how='outer')

作为 pandas 和 numpy 的经验法则,如果您使用循环,则您可能做错了什么。或者至少以次优的方式。