Python 使用.apply或传递数据帧列之间有什么区别

我希望对数据帧中的列应用一个简单的函数。我用了两种不同的方式：

• 1.

  df['column1']=myFunction（df['column1']）

• 2.

  df['column1']=df['column1'].apply（lambda x:myFunction[x]）

我的数据集并没有那么大，无法分辨出差异，但我猜这与速度有关

有人能解释一下区别是什么，哪一个是首选的吗？

• 1.

  df['column1']=myFunction（df['column1']）

这里您定义了一个应用于

pd.Series

的函数。你让熊猫来处理这件事

• 2.

  df['column1']=df['column1'].apply（lambda x:myFunction[x]）

在这里，您将在每个元素上应用一个函数

一般来说，方案1比方案2快。这在很大程度上取决于实际的

myFunction

是矢量化的还是逐元素的

---

案例示例：

让我们创建一个包含2列和100000行的数据帧（足够大，可以看出速度上的差异），并将

column1

的元素平方：

In [1]: 
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(100000,2),
                  columns=['column1','column2'])

def myFunction(s):
    return s**2

In [2]: %%timeit
    ...: myFunction(df.column1)
    ...: 
1000 loops, best of 3: 1.68 ms per loop

In [3]: %%timeit
    ...: df.column1.apply(lambda x: x**2)
    ...: 
10 loops, best of 3: 55.4 ms per loop

因此，在这里您可以看到，在

pd.Series

上执行操作比逐个元素快30多倍。这是因为

myFunction

是矢量化的

---

现在，让我们举一个例子，您的

myFunction

不是矢量化的，而是逐元素的：

In [4]: def myFunction(s):
...:     return s.apply(lambda x: x**2)
...: 

In [4]: %%timeit
    ...: myFunction(df.column1)
    ...: 
10 loops, best of 3: 53.9 ms per loop

基本上，这与直接执行

apply