来自熊猫行的特征值

Question

我有一个pandasDataFrame，其中行表示对称矩阵分量。

sxx         syy             szz         sxy         syz         sxz                                                                                           
NodeID      time
1500000     20921.0     2504729.0   -16524560.0     -3966213.0  5058878.0   8026349.0   390275.7
20923.0     2541577.0   -16459500.0     -3930280.0  5047995.0   8019404.0   393201.3
20925.0     2582004.0   -16384690.0     -3891037.0  5035703.0   8011226.0   396850.2
20927.0     2618859.0   -16313310.0     -3855520.0  5024095.0   8003384.0   400578.7
20933.0     2703961.0   -16133460.0     -3773937.0  4995101.0   7985394.0   411183.2

矩阵将如下所示。

[[sxx, sxy, sxz],
[sxy, syy, syz],
[sxz, syz, szz]]

计算每行特征值的最快方法是什么？

我尝试在每一行上"应用"np.linalg.eigvalsh。但是，当我有接近一百万行时，需要很长时间。

编辑

为了提供完整的上下文，我还应该提到这个DataFrame是对象定义的一部分。object.df是DataFrame.下面是相关代码。

def s1(self):
"""Returns the first principal stress for every node every timepoint"""
return self.df.apply(principal, axis=1, label="s1")
def principal(s, label):
principals = np.linalg.eigvalsh(
np.array(
[s.sxx, s.sxy, s.sxz, s.sxy, s.syy, s.syz, s.sxz, s.syz, s.szz]
).reshape(3, 3)
)
if label.lower() == "s3":
return principals[0]
elif label.lower() == "s2":
return principals[1]
elif label.lower() == "s1":
return principals[2]
else:
raise ValueError("Invalid Input, choose from s1, s2, or s3.")

Answer 1

您可以设置列的顺序以生成视图，然后使用.values将其传递给数组(比np.array(..)更快)，然后将eigvalsh应用于(n, 3, 3)数组：

values = df[['sxx', 'sxy', 'sxz', 'sxy', 'syy', 'syz', 'sxz', 'syz', 'szz']].values.reshape(-1,3))
eigh = eigvalsh(values.reshape((-1, 3, 3)))
eigh
>>array([[-21253030.07083309,  -1397298.11167328,   4664284.18250638],
[-21184732.23304478,  -1361435.36228467,   4697964.59532944],
[-21106512.77176102,  -1322433.70013306,   4735223.47189408],
[-21032246.72681734,  -1287171.41922922,   4769447.14604654],
[-20847979.70886149,  -1205613.19093403,   4850156.89979552]])