1
我在高性能计算中使用熊猫数据帧。这个函数是一个显著时间片:熊猫群加速由
def calculate_with_n_electron(self, phi, partition_function,
number_density, n_electron):
ion_populations = pd.DataFrame(data=0.0,
index=partition_function.index.copy(),
columns=partition_function.columns.copy(), dtype=np.float64)
for atomic_number, groups in phi.groupby(level='atomic_number'):
current_phis = (groups/n_electron).replace(np.nan, 0.0).values
phis_product = np.cumproduct(current_phis, axis=0)
neutral_atom_density = (number_density.ix[atomic_number]/
(1 + np.sum(phis_product, axis=0)))
ion_populations.ix[atomic_number, 0] = (
neutral_atom_density.values)
ion_populations.ix[atomic_number].values[1:] = (
neutral_atom_density.values * phis_product)
ion_populations[ion_populations < self.ion_zero_threshold] = 0.0
return ion_populations
这里是更大范围内的功能:https://github.com/tardis-sn/tardis/blob/master/tardis/plasma/properties/ion_population.py#L151
任何帮助,将不胜感激!
我会尝试 - 感谢@chrisb –
我增加了一个问题,附带数据,将采取的主要性能瓶颈的照顾(我用线分析来发现你的执行速度更快,但不是很多更快,但):http://stackoverflow.com/questions/32138067/quick-pandas-groupby-calculations –
这个答案是有帮助的,但不是解决方案(因为你不知道数据是什么样子)。什么是礼节 - 我接受它吗?非常感谢您的帮助。 –