pandas系列成对最大值

Question

我想找到 pandas Series 中每个元素和 0 之间的成对最大值。我的粗略解决方案如下：

import numpy as np
import pandas as pd
np.random.seed(1)

series = pd.Series(np.random.randn(100))
pmax = pd.Series([])
for i in range(len(series)):
    pmax[i] = max(series[i],0)

我需要在大量系列上运行这个解决方案，而且这个解决方案太慢了。是否有矢量化方法可以达到相同的结果？

Answer 1

我正在寻找 Rs 的 python 实现的解决方案pmax()，并偶然发现了 numpysmaximum()函数，它的作用正是pmax()：

pmax(5,c(1,2,6))
[1] 5 5 6

和：

>>> import numpy as np
>>> np.maximum(5, [1,2,6])
array([5, 5, 6])

Answer 2

设置

\n\n

s = pd.Series([1,2,3,-1,-2,3,4,-5])\n

\n\n

使用mask0 作为填充值：

\n\n

s.mask(s<0, 0)\n\n0    1\n1    2\n2    3\n3    0\n4    0\n5    3\n6    4\n7    0\ndtype: int64\n

\n\n

使用np.clip无上限：

\n\n

np.clip(s, 0, None)\n

\n\n

@Coldspeed 建议使用pd.Series.clip_lower：

\n\n

s.clip_lower(0)\n

\n\n

时间安排

\n\n

In [204]: %%timeit\n     ...: pmax = pd.Series([])\n     ...: for i in range(len(series)):\n     ...:     pmax[i] = max(series[i],0)\n     ...:\n81.2 ms \xc2\xb1 4.06 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n\nIn [205]: %timeit series.mask(series<0, 0)\n626 \xc2\xb5s \xc2\xb1 30.6 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 1000 loops each)\n\nIn [206]: %timeit np.clip(series, 0, None)\n124 \xc2\xb5s \xc2\xb1 3.44 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000 loops each)\n\nIn [209]: %timeit series.clip_lower(0)\n97.2 \xc2\xb5s \xc2\xb1 3.15 \xc2\xb5s per loop (mean \xc2\xb1 std. dev. of 7 runs, 10000 loops each)\n

\n