Python 矢量化方法，将一列整数格式化为pandas数据帧和dask数据帧中指定长度的字符串

我有一个数据框：

   date    time               user_id
0  20160921    5947  13079492369730773513
1  20160921    5948  13079492369730773513
2  20160921  235949  13079492369730773513
3  20160921  235950  13079492369730773513
4  20160921  235951  13079492369730773513

我想将“时间”列格式化为：

   date    time               user_id
0  20160921  005947  13079492369730773513
1  20160921  005948  13079492369730773513
2  20160921  235949  13079492369730773513
3  20160921  235950  13079492369730773513
4  20160921  235951  13079492369730773513

我知道列表的理解方式：

df['time'] = ["%06d" % t for t in df['time'].tolist()]

In [5]: %timeit df.time.astype(str).str.zfill(6)
228 µs ± 4.99 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [6]: %timeit ["%06d" % t for t in df['time'].tolist()]
17.5 µs ± 208 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

---

有没有矢量化的方法来做同样的把戏？如果是Dask数据帧，该如何执行此操作？

是的，有一种矢量化方法可以执行相同的操作。可以将列强制转换为字符串，然后对其使用字符串方法：

df.time.astype(str).str.zfill(6)
0    005947
1    005948
2    235949
3    235950
4    235951

然后将其分配回：

df.time = df.time.astype(str).str.zfill(6)

这假定时间字符串的最大长度为6个字符

不幸的是，这比列表理解方式慢得多：

df['time'] = ["%06d" % t for t in df['time'].tolist()]

In [5]: %timeit df.time.astype(str).str.zfill(6)
228 µs ± 4.99 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [6]: %timeit ["%06d" % t for t in df['time'].tolist()]
17.5 µs ± 208 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)