基于移位值/递归算法的级数计算

Question

我有以下几点：

df['PositionLong'] = 0
df['PositionLong'] = np.where(df['Alpha'] == 1, 1, (np.where(np.logical_and(df['PositionLong'].shift(1) == 1, df['Bravo'] == 1), 1, 0)))

这行基本上只接受df['Alpha']，而不接受df['PositionLong']。。它不能认出它，但我不明白为什么

它产生了：

df['Alpha']  df['Bravo']   df['PositionLong']
0               0             0
1               1             1
0               1             0
1               1             1
1               1             1

但是，我希望代码能做到：

df['Alpha']  df['Bravo']   df['PositionLong']
0               0             0
1               1             1
0               1             1
1               1             1
1               1             1

我相信解决方案是循环每一行，但这将需要很长时间

你能帮帮我吗

Answer 1

您正在寻找一个递归函数，因为前面的PositionLong值依赖于Alpha，它本身用于确定PositionLong

但是numpy.where是一个正则函数，因此df['PositionLong'].shift(1)作为一系列0值进行计算，因为您使用0初始化了该系列

手动回路不需要昂贵。可以使用^{}高效地实现递归算法：

from numba import njit

@njit
def rec_algo(alpha, bravo):
    res = np.empty(alpha.shape)
    res[0] = 1 if alpha[0] == 1 else 0
    for i in range(1, len(res)):
        if (alpha[i] == 1) or ((res[i-1] == 1) and bravo[i] == 1):
            res[i] = 1
        else:
            res[i] = 0
    return res

df['PositionLong'] = rec_algo(df['Alpha'].values, df['Bravo'].values).astype(int)

结果：

print(df)

   Alpha  Bravo  PositionLong
0      0      0             0
1      1      1             1
2      0      1             1
3      1      1             1
4      1      1             1