Python 加速应用功能

对于一个相对较大的数据帧（几个100k行），我想创建一个系列，它是apply函数的结果。问题是函数不是很快，我希望它能以某种方式加速

df = pd.DataFrame({
 'value-1': [1, 2, 3, 4, 5],
 'value-2': [0.1, 0.2, 0.3, 0.4, 0.5],
 'value-3': somenumbers...,
 'value-4': more numbers...,
 'choice-index': [1, 1, np.nan, 2, 1]
})

def func(row):
  i = row['choice-index']
  return np.nan if math.isnan(i) else row['value-%d' % i]

df['value'] = df.apply(func, axis=1, reduce=True)

# expected value = [1, 2, np.nan, 0.4, 5]

欢迎提出任何建议

更新

通过预缓存选定的列，可以实现非常小的加速比（~1.1）<代码>函数将更改为：

cached_columns = [None, 'value-1', 'value-2', 'value-3', 'value-4']
def func(row):
  i = row['choice-index']
  return np.nan if math.isnan(i) else row[cached_columns[i]]

---

但我希望能有更大的加速…

我想我找到了一个很好的解决方案（加速~150）

诀窍不是使用

apply

，而是进行智能选择

choice_indices = [1, 2, 3, 4]
for idx in choice_indices:
  mask = df['choice-index'] == idx
  result_column = 'value-%d' % (idx)
  df.loc[mask, 'value'] = df.loc[mask, result_column]

---

你有没有试过cython，numba，eval+numexpr中的建议？没有，不是为了这个问题。但我认为主要的问题是对apply函数的调用数量，因此，

cython

、

numba

、

numexpr

等对缓解这一问题没有多大帮助。