Pandas DataFrame如何采用向量化方法免循环动态计算更新Calculated列

实现方案 #

你的需求本质是累积除法运算，可以用pandas的cumprod()累积乘积方法实现完全向量化操作，不需要任何循环。

完整代码

import pandas as pd
import numpy as np

# 构造原始数据
data = {'Product':['A', 'B', 'C', 'D'],
        'Price':[10, 20, 25, 30],
        'Calculated':[10, np.nan, np.nan, np.nan]}
df = pd.DataFrame(data)

# 向量化计算逻辑
init_val = df.loc[0, 'Calculated']
df['Calculated'] = init_val * (1/df['Price']).shift(fill_value=1).cumprod()

逻辑说明

• 首先取出第一行的初始计算值init_val = 10
• df['Price'].shift(fill_value=1)：把Price列整体下移一行，第一行空出来的位置填1，处理后每一行的值就对应原始数据里上一行的Price
• 对每个值取倒数，再调用cumprod()做累积乘积，得到每一行相对于初始值的缩放倍数
• 最后用初始值乘以缩放倍数序列，直接赋值给Calculated列即可得到结果

运行结果

该方案是纯向量化实现，数据量越大性能优势越明显，远快于循环实现。

内容的提问来源于stack exchange，提问作者Lopez