比较python中df.apply和Column操作的性能
我想知道使用数据帧的列执行基本算术运算是以列方式还是通过apply执行更快。特别是,我认为columnwise更快。但这两种方式都被视为“矢量化”操作。那么,比较python中df.apply和Column操作的性能,python,performance,pandas,dataframe,apply,Python,Performance,Pandas,Dataframe,Apply,我想知道使用数据帧的列执行基本算术运算是以列方式还是通过apply执行更快。特别是,我认为columnwise更快。但这两种方式都被视为“矢量化”操作。那么,df.apply是否比较快?我们可以试试这个。下面的示例演示了按列操作的速度(要快得多): Thsis在我的机器上提供以下信息: Duration of apply: 0:00:23.631236 Duration of columnwise addition: 0:00:00.004234 Ratio: 0.000179169638
df.apply
是否比较快?我们可以试试这个。下面的示例演示了按列操作的速度(要快得多):
Thsis在我的机器上提供以下信息:
Duration of apply: 0:00:23.631236
Duration of columnwise addition: 0:00:00.004234
Ratio: 0.00017916963801639492
That means, columnwise addition is 5581.302786962683 times faster than addition via apply!
df.apply
未矢量化。它可能在语法上看起来很简单,但它只是一个薄薄的循环,比df.iterrows
更快。
Duration of apply: 0:00:23.631236
Duration of columnwise addition: 0:00:00.004234
Ratio: 0.00017916963801639492
That means, columnwise addition is 5581.302786962683 times faster than addition via apply!