Dataframe 在Julia中转换数据帧的多列的正确方法是什么？

如何将函数应用于某些列的每个元素

julia> using DataFrames

julia> df = DataFrame(Time = [3, 4, 5], TopTemp = [70, 73, 100], BottomTemp = [50, 55, 80])
3×3 DataFrame
 Row │ Time   TopTemp  BottomTemp 
     │ Int64  Int64    Int64      
─────┼────────────────────────────
   1 │     3       70          50
   2 │     4       73          55
   3 │     5      100          80

julia> fahrenheit_to_celsius(x) = Int(round((x - 32) * 5 / 9))
fahrenheit_to_celsius (generic function with 1 method)

这对一个专栏有效，但我不确定这是最好的方法

julia> transform!(df, "TopTemp" => ByRow(fahrenheit_to_celsius), renamecols = false)
3×3 DataFrame
 Row │ Time   TopTemp  BottomTemp 
     │ Int64  Int64    Int64      
─────┼────────────────────────────
   1 │     3       21          50
   2 │     4       23          55
   3 │     5       38          80

使用带有广播的正则表达式转换两个列时，相同的方法不起作用

julia> transform!(df, r"Temp" .=> ByRow.(fahrenheit_to_celsius), renamecols = false)
ERROR: LoadError: MethodError: no method matching fahrenheit_to_celsius(::Int64, ::Int64)

使用：

或

还请注意，它不在适当的位置，但在上述两种情况下，列都会被替换，但这可能是您通常想要的

就地操作将是：

df[:, r"Temp"] .= fahrenheit_to_celsius.(df[!, r"Temp"])

但如果

fahrenheit_to_cercifics

更改列的

eltype

，则它将失败

最快的应该是：

foreach(col -> col .= fahrenheit_to_celsius.(col), eachcol(df[!, r"Temp"])))

---

所有速度都相似吗？如果数据帧较大，它们应该相似。所有情况下的核心操作都是以相同的方式执行的。如果数据帧很小，但您执行此操作数百万次，那么广播可能会更快一些，因为它需要更少的内部逻辑。如果你想超快，还有另一个解决方案——我已经将它添加到列表中。

df[:, r"Temp"] .= fahrenheit_to_celsius.(df[!, r"Temp"])

foreach(col -> col .= fahrenheit_to_celsius.(col), eachcol(df[!, r"Temp"])))