Performance 在数据帧上使用.apply时自定义函数的性能

正如标题所示，我想更好地了解应用于数据帧的自定义函数在速度方面的局限性。例如：

df.apply(custom_function)

文档及其相关内容（）在这个主题上有点摇摆不定，只是将此功能称为根据所使用的功能使其变慢。由于我不知道这种矢量化是如何发生的，因此对我的函数进行分析是一件费时的尝试和重复的事情，有人能指出一些经验法则来说明什么样的东西： 1） 不会降低速度 2） 大大减慢了整个过程

---

更准确地说：如果在函数中，我将东西保存到其他地方，我会受到严重损坏吗？

我认为自定义函数速度减慢的主要原因是内置方法是在Cython（Python的C扩展）中实现的。任何纯粹的pythonic你会使用将大大低于内置的速度。如果您设法使用同样在Cython中实现的扩展来满足您的需求，那么您可能会很幸运，并且具有相对良好的性能。根据熊猫文档，“最终的cythonized解决方案比纯python快100倍左右”（）

通常，我会避免在apply函数中写入值。我无法想象你为什么要这么做。如果需要有关返回序列的信息，最好在应用完成后在retrospect中对其进行测试