详细内容或原文请订阅后点击阅览
为什么你应该停止在 Pandas 中编写循环
如何以列方式思考，编写更快的代码，并最终像专业人士一样使用 Pandas 为什么你应该停止在 Pandas 中编写循环一文首先出现在 Towards Data Science 上。
来源:走向数据科学：当我第一次开始使用 Pandas 时，我一直写这样的循环：
for i in range(len(df))：
如果 df.loc[i, "销售额"] > 1000:
df.loc[i, "层"] = "高"其他：
df.loc[i, "tier"] = "低"
成功了。我想，
“嘿，没关系，对吧？”
事实证明……没那么多。
我当时没有意识到，但像这样的循环是一个典型的初学者陷阱。它们让 Pandas 做比实际需要更多的工作，并且它们潜入了一种心理模型，让你逐行思考，而不是逐列思考。
一旦我开始以列的形式思考，事情就发生了变化。代码变短了。执行速度变得更快。突然间，Pandas 感觉它实际上是为了帮助我而构建的，而不是让我放慢脚步。
为了展示这一点，让我们使用一个我们将在全文中引用的小数据集：
将 pandas 导入为 pd
df = pd.DataFrame({
“产品”：[“A”，“B”，“C”，“D”，“E”]，
“销售额”：[500, 1200, 800, 2000, 300]
})
输出：
产品销售
0 500
1B 1200
2C 800
3D 2000
4 E 300
我们的目标很简单：如果销售额大于 1000，则将每一行标记为高，否则标记为低。
让我向您展示我最初是如何做到的，以及为什么有更好的方法。
我开始使用的循环方法
这是我学习时使用的循环：for i in range(len(df))：如果 df.loc[i, "销售额"] > 1000:df.loc[i, "层"] = "高"其他：df.loc[i, "层"] = "低"打印（df）它产生这样的结果：产品销售层级0 500 低1B 1200高2℃ 800 低3D 2000高4 E 300 低是的，它有效。但这是我通过惨痛教训学到的：Pandas 对每一行执行一个微小的操作，而不是一次有效地处理整个列。这种方法无法扩展 — 5 行时感觉良好，但 50,000 行时会变慢。更重要的是，它让你像初学者一样思考 — 逐行 — 而不是像专业的 Pandas 用户一样思考。为循环计时（我意识到它很慢的那一刻）当我第一次在这个小数据集上运行循环时，我想，“没问题，它足够快了。”但后来我想知道……如果我有一个更大的数据集怎么办？所以我尝试了：这是我得到的：循环时间：129.27328729629517循环版本：