我怎样才能使这个循环更有效率？

Question

我历史上收集了50万笔贷款，其中一些已经违约，另一些没有。我的数据帧是lcd_temp。lcd_temp有关于贷款规模（loan_amnt）、贷款是否违约（Total Defaults）、年贷款利率（clean_rate）、贷款期限（clean_term）和从发放到违约的月份（mos_to_default）的信息。^如果没有默认值，{}等于clean_term。你知道吗

我想计算每笔贷款的累计现金流[cum_cf]，作为违约前支付的所有优惠券加上（1-严重性）如果贷款违约，只要loan_amnt如果它按时偿还。你知道吗

这是我的代码，它需要很长时间才能运行：

severity = 1

for i in range (0,len(lcd_temp['Total_Defaults'])-1):
    if (lcd_temp.loc[i,'Total_Defaults'] ==1):
    # Default, pay coupon only until time of default, plus (1-severity)
        lcd_temp.loc[i,'cum_cf'] = ((lcd_temp.loc[i,'mos_to_default'] /12)  * lcd_temp.loc[i,'clean_rate'])+(1 severity)*lcd_temp.loc[i,'loan_amnt']
    else: 
    # Total cf is sum of coupons (non compounded) + principal 
        lcd_temp.loc[i,'cum_cf'] = (1+lcd_temp.loc[i,'clean_term']/12* lcd_temp.loc[i,'clean_rate'])*lcd_temp.loc[i,'loan_amnt']

欢迎提出任何关于提高速度的想法或建议（到目前为止需要一个多小时的时间）！你知道吗

Answer 1

假设您使用的是Pandas/NumPy，替换if-then结构（例如您正在使用的结构）的标准方法是使用^{}。mask是一个布尔值数组。如果为True，则返回来自A的相应值。如果为False，则返回B中相应的值。结果是一个与mask形状相同的数组，其值来自A和/或B。你知道吗

severity = 1

mask = (lcd_temp['Total_Defaults'] == 1)
A = (((lcd_temp['mos_to_default'] /12) * lcd_temp['clean_rate'])
     + (1 severity)*lcd_temp['loan_amnt'])
B = (1+lcd_temp['clean_term']/12 * lcd_temp['clean_rate'])*lcd_temp['loan_amnt']

lcd_temp['cum_cf'] = np.where(mask, A, B)

---

请注意，这将对整列而不是逐行执行计算。这大大提高了性能，因为它使Pandas/NumPy有机会将更大的值数组传递给快速的底层C/Fortran函数（在本例中，是为了执行算术）。当您一行一行地工作时，您正在Python循环中执行标量算法，这给NumPy提供了零的机会。 如果您必须逐行计算，那么使用纯Python也会很好（也许更好）。你知道吗

即使A和B计算整个列的值，并且np.where返回的最终结果中没有使用某些值，但这仍然比假设行的数目不多的情况下逐行计算要快。你知道吗