数据处理必看：如何让你的Pandas循环加快71803倍

我们可以将 apply 与 Lambda 函数一起使用。我们要做的就是指定轴。在这种情况下，我们必须使用 axis=1，因为我们要执行一个列操作：

此代码甚至比以前的方法更快，只需要 27 毫秒就能完成。

pandas 矢量化——快 9280 倍

现在我们可以讨论一个新话题了。我们利用矢量化的优点来创建真正快速的代码。重点是避免像前面的例子 [1] 中那样的 Python 级循环，并使用优化的 C 代码，这个代码使用内存的效率更高。我们只需要稍微修改函数：

df['Draws'] = 'No_Game'     
        df.loc[((home == TEAM) & (ftr == 'D')) | ((away == TEAM) & (ftr == 'D')), 'Draws'] = 'Draw' 
       df.loc[((home == TEAM) & (ftr != 'D')) | ((away == TEAM) & (ftr != 'D')), 'Draws'] = 'No_Draw'  
       def soc_iter(TEAM,home,away,ftr):     

现在我们可以用 pandas series 作为输入创建新列：

在这种情况下，我们甚至不需要循环。我们要做的就是调整函数的内容。现在我们可以直接将 pandas series 传递给我们的函数，这会导致巨大的速度增益。

Numpy 矢量化——速度快 71.803 倍

在前面的示例中，我们将 pandas series 传递给了函数。通过添加.values，我们收到一个 Numpy 数组：

Numpy 数组非常快，我们的代码运行时间为 0305 毫秒，比开始使用的标准循环快 71803 倍。

结论

如果您使用 python、pandas 和 Numpy 进行数据分析，那么代码总会有一些改进空间。我们比较了五种不同的方法，在计算的基础上增加了一个新的列到我们的数据框架中。我们注意到在速度方面存在巨大差异：

如果你从这篇文章中选择两条规则，我会很高兴：

• 如果确定需要使用循环，则应始终选择 apply 方法
• 否则，矢量化总是更好的，因为它更快

本文转自雷锋网，如需转载请至雷锋网官网申请授权。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!