熊猫'；s应用：第一行重复两次 熊猫1.0.5 Python 3.8.0 Numpy 1.19.0

此代码的行为很奇怪：

import pandas as pd

def calc(row):
    print(f"Row: {row.to_list()}")
    result = pd.Series({
        "sum1": row.col1 + row.col2,
        "sum2": row.col2 + row.col3,
        "sum3": row.col1 + row.col3,
    })
    return result
    
df = pd.DataFrame({"col1":[1,2,3], 
                   "col2":[4,5,6], 
                   "col3":[7,8,9]})

df[["sum12", "sum23", "sum13"]] = df.apply(lambda row: calc(row), axis=1)
print(df)

它回来了

Row: [1, 4, 7]
Row: [1, 4, 7]
Row: [2, 5, 8]
Row: [3, 6, 9]

    col1    col2    col3    sum12   sum23   sum13
0    1       4       7       5       11      8
1    2       5       8       7       13     10
2    3       6       9       9       15     12

第一个问题：

为什么第一排要详细阐述两次

第二个问题可能与第一个问题相关：

在我的真实代码中，第一行的细化需要0.15秒（由

time.process\u time（）

读取），下面的行在0.53到0.60之间。第一行细化两次，第一次0.15秒，第二次0.55秒

---

原因可能是什么，因为数据是统一的，所以在

calc（）

中只使用

numpy

，并且不涉及任何条件或数据过滤器？

这是

GroupBy.apply

（pandas<0.25）和

df.apply

（pandas<1.1）的已知问题。第一组被评估两次的原因是

apply

想知道它是否可以“优化”计算（如果

apply

接收到numpy或cythonized函数，有时这是可能的）

对于pandas 0.25，此行为已在

GroupBy.apply中修复。看见现在有了熊猫1.1

当1.1退出时，您将能够升级，然后您将只看到第一个组被评估一次：

pd.__version__
# '1.1.0.dev0+2004.g8d10bfb6f'

df[["sum12", "sum23", "sum13"]] = df.apply(lambda row: calc(row), axis=1)
print(df)
Row: [1, 4, 7]
Row: [2, 5, 8]
Row: [3, 6, 9]
   col1  col2  col3  sum12  sum23  sum13
0     1     4     7      5     11      8
1     2     5     8      7     13     10
2     3     6     9      9     15     12

第一个（也是最明显的）问题，你的熊猫版本是什么。新增版本。我正在和最近的人一起工作。该错误似乎尚未完全解决，或者与
组
无关。谢谢你指出这一点。哎呀，我自己来核实一下：那个链接是给groupby.apply的。谢谢。听起来很合理。但为什么接下来的处决需要更长的时间呢？我使用了一次执行来详细说明计算，然后发现实际循环需要5倍的时间：-（@AlexPoca我不是pandas开发人员，所以你的猜测和我的一样好。这可能与pandas测试代码中可能的快速路径有关。如果第二次时间比第一次短，它也可能与缓存有关。等等。