Python 为数据帧更快地计算数学表达式

我使用sympy-sympify函数为数据帧中的数据计算公式（动态）

import sympy as sy

def evaluate_function(formula,dataframe):    
  gfg_exp = sy.sympify(formula)
  dataframe_dict=dataframe.to_dict()
  gfg_exp = gfg_exp.subs(dataframe_dict) 
  return gfg_exp

df['result']=df.apply(lambda row:evaluate_function(formula=condition_to_check,dataframe=row),axis=1) 

sample datadata is like:
A       B 
200     400
320     100 

formula: A/B > 1

这适用于小型数据集（在更短的时间内约有20k条记录），但当数据集大小巨大时，约有一百万条记录- 完成计算需要更长的时间。 有没有其他方法来完成这个过程

---

提前感谢。

您可以尝试使用

lambdify

将表达式转换为Python函数，而不是使用

subs

。请参阅文档

您可以尝试使用

lambdify

将表达式转换为Python函数，而不是使用

subs

。请参阅文档

，那么每行是否有不同的公式？你为什么要用Symphy？是的，没错。公式是动态的-dataframe将具有该公式所需的相关列。有多少个唯一的公式？想知道是否有一种方法可以在数据的不同子集上应用每种方法。目前公式的数量没有限制。这是一个有趣的问题。您有没有办法提供更具体的示例？喜欢更多的示例公式和/或公式是如何生成的？数据集的大小（数据帧的形状）有多大。等等。那么每行有不同的公式吗？你为什么要用Symphy？是的，没错。公式是动态的-dataframe将具有该公式所需的相关列。有多少个唯一的公式？想知道是否有一种方法可以在数据的不同子集上应用每种方法。目前公式的数量没有限制。这是一个有趣的问题。您有没有办法提供更具体的示例？喜欢更多的示例公式和/或公式是如何生成的？数据集的大小（数据帧的形状）有多大。等