大数据上的次优for循环

Question

因此，我有一个包含数千行的DataFrame包含人工外汇交易数据。前十行如下所示：

我想迭代这个集合，并为每一行计算CommonCurrency，在本例中为USD。因此，对于每一行，我遍历CurrencyPair、DeskRate和OrderQty列并计算CommonCurrency：

for i in range(len(order_data)):
    if (order_data['CurrencyPair'][i] == 'GBP/USD'):
        order_data['CommonCurrency'][i] = order_data['DeskRate'][i] * 
        order_data['OrderQty'][i] 
    elif (order_data['CurrencyPair'][i] == 'AUD/USD'):
        order_data['CommonCurrency'][i] = order_data['DeskRate'][i] * 
        order_data['OrderQty'][i]
    elif (order_data['CurrencyPair'][i] == 'EUR/USD'):
        order_data['CommonCurrency'][i] = order_data['DeskRate'][i] * 
        order_data['OrderQty'][i]
    elif (order_data['CurrencyPair'][i] == 'USD/CHF'):
        order_data['CommonCurrency'][i] = order_data['DeskRate'][i] / 
        order_data['OrderQty'][i]
    elif (order_data['CurrencyPair'][i] == 'EUR/GBP'):
        order_data['CommonCurrency'][i] = #different calculation

这似乎不是正确的做法，尤其是在存在大量不同货币对的情况下。我遇到的另一个问题是当我到达EUR/GBP时，因为现在我必须从GBP/USD和EUR/USD获取DeskRate，我看不出我如何使用这个方法

有什么提示吗

Answer 1

熊猫的一个有趣特征是indexing的概念。有更多类似python的方法可以做到这一点，但是使用loc，您可以使用series（columns）为数据帧的一部分赋值：

order_data.loc[order_data['CurrencyPair'].isin(('GBP/USD', 'AUD/USD', 'EUR/USD')), 'CurrencyPair'] = order_data['DeskRate'] * order_data['OrderQty']
order_data.loc[order_data['CurrencyPair'] == 'USD/CHF', 'CurrencyPair'] = order_data['DeskRate'] / order_data['OrderQty']
order_data.loc[order_data['CurrencyPair'] == 'EUR/GBP', 'CurrencyPair'] = some_func(order_data['DeskRate'], order_data['OrderQty'])

从而避免任何for循环