Python 在DataFrame中添加计算字段

我想在名为

result

的现有

DataFrame

中创建一个名为

str\u bos

的列。我有以下栏目-

“str_nbr”、“ZIP Sales”、“str_Sales”、“ZIP_Distinct”、“ZIP_Share_of stru Sales”、“Counter”、“str_BOS_Cum%”和“str_Sales_Rank”

这是我想到的。但是，需要2个小时才能完成。但是，其他操作（如排序、合并等）需要几秒钟。我错过了什么

def str_bos(row):
    if row['str_sales_rank'] == 1 or row['str_bos_cum%'] <= 0.1:
        return 1
    elif row['str_bos_cum%'] <= 0.2:
        return 2
    elif row['str_bos_cum%'] <= 0.3:
        return 3
    elif row['str_bos_cum%'] <= 0.4:
        return 4
    elif row['str_bos_cum%'] <= 0.5:
        return 5
    elif row['str_bos_cum%'] <= 0.6:
        return 6
    elif row['str_bos_cum%'] <= 0.7:
        return 7
    elif row['str_bos_cum%'] <= 0.8:
        return 8
    elif row['str_bos_cum%'] <= 0.9:
        return 9
    else:
        return 10

result['str_bos'] = result.apply(lambda row: str_bos(row), axis=1)

def str_bos（世界其他地区）：
如果行['str_sales_rank']=1或行['str_bos_cum%]我会在这里使用方法：

In [21]: df = pd.DataFrame(np.random.rand(10), columns=['A'])

In [22]: df
Out[22]:
          A
0  0.513425
1  0.973631
2  0.549615
3  0.747600
4  0.099415
5  0.737613
6  0.885567
7  0.720187
8  0.446683
9  0.434688

In [23]: df['str_bos'] = pd.cut(df.A, bins=np.arange(0, 1.1, 0.1), labels=np.arange(10)+1)

In [24]: df
Out[24]:
          A str_bos
0  0.513425       6
1  0.973631      10
2  0.549615       6
3  0.747600       8
4  0.099415       1
5  0.737613       8
6  0.885567       9
7  0.720187       8
8  0.446683       5
9  0.434688       5

代码运行缓慢的原因是
.apply
方法迭代每一行，而向量化方法一次对整个列进行计算。在pandas中，您将希望避免对行进行迭代—这几乎保证会有糟糕的性能。这个博客有一个很好的解释（迭代、应用和矢量化部分）：