小编And*_*eno的帖子

我有一个相当大的数据集（大约 500 万行），其中有几个计算列，如滞后（1 和 7）和滚动窗口（7、30、90，每个都有几个值，如平均值、标准差、最小值、最大值等）。现在我需要向df添加一行或多行，我想知道（重新）计算这些特征的最有效方法。重新计算整个df会花费太多时间，但我不能简单地将函数应用于新添加的行。

对于滞后这不是一个大问题，我可以简单地，例如对于滞后 1，

df.iloc[-1, -2] = df.iloc[-2, -2]

这应该可以解决问题（与滞后 7 相同），但是滚动窗口呢？同样的方法行不通，我无法在整个数据帧上（重新）运行滚动窗口。我要手工计算吗？还有其他办法吗？

Python 3.7.7 和 pandas 1.0.3

有没有办法用 CatBoost 和 Optuna 进行修剪（在 LightGBM 中很容易，但在 Catboost 中我找不到任何提示）。我的代码是这样的

def objective(trial):
    param = {
        'iterations':trial.suggest_int('iterations', 100,1500, step=100),
        'learning_rate':trial.suggest_uniform("learning_rate", 0.001, 0.3),
        'random_strength':trial.suggest_int("random_strength", 1,10),
        'max_bin':trial.suggest_categorical('max_bin', [2,3,4,5,6,8,10,20,30]),
        'grow_policy':trial.suggest_categorical('grow_policy', ['SymmetricTree', 'Depthwise', 'Lossguide']),        
        "colsample_bylevel": trial.suggest_uniform("colsample_bylevel", 0.1, 1),
        'od_type' : "Iter",
        'od_wait' : 30,
        "depth": trial.suggest_int("max_depth", 1,12),
        "l2_leaf_reg": trial.suggest_loguniform("l2_leaf_reg", 1e-8, 100),
        'custom_metric' : ['AUC'],
        "loss_function": "Logloss",
        }
    
    if param['grow_policy'] == "SymmetricTree": 
        param["boosting_type"]= trial.suggest_categorical("boosting_type", ["Ordered", "Plain"])
    else:
        param["boosting_type"] = "Plain"
        
    # Added subsample manually
    param["subsample"] = trial.suggest_float("subsample", 0.1, 1)

### CV ###

    # How to add a …