Python 在数据帧上矢量化乘法和dict映射而不进行迭代？

我有一个熊猫数据帧，

df

：

import pandas as pd
import numpy as np
import math

df = pd.DataFrame({'A':[1,2,2,4,np.nan],'B':[1,2,3,4,5]})

还有一个口述，

面具

：

mask = {1:32,2:64,3:100,4:200}

我希望最终结果是这样的数据帧：

A    B    C
1    1    32
2    2    64
2    3    96
4    4    400
nan  nan  nan

现在我正在做这件事，似乎效率不高：

for idx, row in df.iterrows():
    if not math.isnan(row['A']):
        if row['A'] != 1:
            df.loc[idx, 'C'] = row['B'] * mask[row['A'] - 1]
        else:
            df.loc[idx, 'C'] = row['B'] * mask[row['A']]

---

有没有一种简单的方法可以将其矢量化？

这里有一个使用

apply

的选项，以及字典的

get

方法，如果键不在字典中，该方法将返回

None

：

df['C'] = df.apply(lambda r: mask.get(r.A) if r.A == 1 else mask.get(r.A - 1), axis = 1) * df.B

df    
#   A   B   C
#0  1   1   32
#1  2   2   64
#2  2   3   96
#3  4   4   400
#4  NaN 5   NaN

这应该起作用：

df['C'] = df.B * (df.A - (df.A != 1)).map(mask)

---

时机 10000行

# Initialize each run with
df = pd.DataFrame({'A':[1,2,2,4,np.nan],'B':[1,2,3,4,5]})
df = pd.concat([df for _ in range(2000)])

# Initialize each run with
df = pd.DataFrame({'A':[1,2,2,4,np.nan],'B':[1,2,3,4,5]})
df = pd.concat([df for _ in range(20000)])

100000行

# Initialize each run with
df = pd.DataFrame({'A':[1,2,2,4,np.nan],'B':[1,2,3,4,5]})
df = pd.concat([df for _ in range(2000)])

# Initialize each run with
df = pd.DataFrame({'A':[1,2,2,4,np.nan],'B':[1,2,3,4,5]})
df = pd.concat([df for _ in range(20000)])