Python 根据条件确定混凝土柱的有效方法

MRE：

这看起来像（我有数百万行和多行）：

根据日期的不同，字典中有与其关联的编号。我想将关联的数字连接到日期列中（使用矢量化）

因此，我所需的数据帧如下所示：

      date
0   2018-10
1   2018-10
2   2018-10
3   2018-11
4   2018-11

“我的日期”列具有数据类型字符串

当前解决方案： 我可以申请lambda：

         date
0   2018-10 (50)
1   2018-10 (50)
2   2018-10 (50)
3   2018-11 (76)
4   2018-11 (76)

然而，我想知道是否有任何方法来做它矢量化的方式，因为我有数百万行，不想去逐行

编辑：

---

现在我想起来了，我不认为有矢量化的方法，因为根据日期，我需要计算不同的数字。

所以我不是100%认为这是最快的方法，但它相当简单

 df["date"] = df["date"].apply(lambda row:row + f" ({dictionary[row]})")

这将产生：

data = {'2018-10': 50, '2018-11': 76}
df = pd.DataFrame({
    "date":["2018-10", "2018-10", "2018-10", "2018-11","2018-11"]
})
df["data"] = df.date.apply(lambda x: data[x])

除了

df.date.apply（lambda x:data[x]）之外，您还可以使用

      date  data
0  2018-10    50
1  2018-10    50
2  2018-10    50
3  2018-11    76
4  2018-11    76

我认为它的性能类似，但在我看来可读性较差。
可以使用
dict
作为映射，并且可以添加字符串和字符串列，因此实际上非常简单

df.apply(lambda x: data[x['date']],axis=1)

确实有
pandas.Series.apply
和
pandas.Series.map
方法。也许这些就是你要找的？我认为您的最后一段代码实际上是工作代码。您试过了吗？最后一个代码正在运行，但我想知道是否有使用矢量化然后合并两列的方法？您不需要合并任何内容，因为您正在将结果分配给列
data
。我希望日期列中包含数字。
df[“date”]=df.date.apply（lambda x:x+“（{}）”格式（数据[x]））
但是为什么呢？这就是我在上面所做的，但是我想使用矢量化。谢谢，我刚刚意识到没有一种方法可以用矢量化的方式来实现这一点。这将比应用更有效。为什么这比应用更有效？
df.apply(lambda x: data[x['date']],axis=1)

df['date'] = df['date'] + ' (' + df['date'].map(dictionary).astype(str) + ')'