以 Python（Pythonic 方式）有效地拆分几何级数

Question

我正在尝试实现一个涉及几何级数（拆分）的计算。有什么 effective/efficient 方法可以做到吗？数据集有数百万行。我需要列“Traded_quantity”

		Marker	Action	Traded_quantity
2019-11-05	09:25	0		0
	09:35	2	BUY	3
	09:45	0		0
	09:55	1	BUY	4
	10:05	0		0
	10:15	3	BUY	56
	10:24	6	BUY	8128

乌龟 = 2 （用户定义）

base_quantity = 1 （用户定义）

    def turtle_split(row):
        if row['Action'] == 'BUY':
            return base_quantity * (turtle ** row['Marker'] - 1) // (turtle - 1)
        else:
            return 0
    df['Traded_quantity'] = df.apply(turtle_split, axis=1).round(0).astype(int)

计算

对于第 0 行，Traded_quantity 应该为零（因为标记为零）

对于第一行，Traded_quantity 应为 (1x1) + (1x2) = 3（标记 2 将拆分为 1 和 1，第一个 1 将乘以 base_quantity>> 1x1，第二个1将乘以前1次turtle>>1x2)的结果，然后我们将这两个数相加)

对于第 2 行，Traded_quantity 应该为零（因为标记为零）

对于第 3 行，Traded_quantity 应该是 (2x2) = 4（标记 1 将乘以第 1 行时间乌龟的最后一次分割，即 2x2）

对于第 4 行，Traded_quantity 应该为零（因为标记为零）

对于第 5 行，Traded_quantity 应为 (4x2)+(4x2x2)+(4x2x2x2) = 56（标记 3 将拆分为 1,1 和 1，第一个 1 将与最后一个相乘从 row3 乘以 turtle >>4x2，第二个 1 将乘以第一个 turtle>>8x2 的结果），第三个 1 将乘以第二个 1 with turtle>>16x2 的结果）然后我们求和这三个数字）

对于第 6 行，Traded_quantity 应该是 (32x2)+(32x2x2)+(32x2x2x2)+(32x2x2x2x2)+(32x2x2x2x2x2) = 8128

每当有买入时，交易量将使用Traded_quantity次海龟的最后一批计算。

事实证明，当标记中没有零时，代码生成正确的 Traded_quantity。一旦有几个零的差距，几何级数将无济于事，我需要以前的图（来自缓存）重新计算 Traded_q。尝试使用 lru_cache 进行递归，但没有用。

Answer 1

这应该有效

def turtle_split(row):
        global base_quantity
        if row['Action'] == 'BUY':
            summation = base_quantity * (turtle ** row['Marker'] - 1) // (turtle - 1)
            base_quantity = base_quantity * (turtle ** (row['Marker'] - 1))*turtle
            return summation
        else:
            return 0

以 Python（Pythonic 方式）有效地拆分几何级数

split geometric progression efficiently in Python (Pythonic way)

python

math

data-science

计算