Прийняте рішення буде дуже повільним для великої кількості даних. Рішення з найбільшою кількістю оновлень трохи важко читати, а також уповільнює числові дані. Якщо кожен новий стовпець можна обчислити незалежно від інших, я б просто призначив кожен з них безпосередньо, не використовуючи apply
.
Приклад з підробленими даними символів
Створіть 100 000 рядків у DataFrame
df = pd.DataFrame(np.random.choice(['he jumped', 'she ran', 'they hiked'],
size=100000, replace=True),
columns=['words'])
df.head()
words
0 she ran
1 she ran
2 they hiked
3 they hiked
4 they hiked
Скажімо, ми хотіли отримати деякі функції тексту, як це було зроблено в оригінальному запитанні. Наприклад, давайте витягнемо перший символ, порахуємо появу букви «е» та виберіть великі літери.
df['first'] = df['words'].str[0]
df['count_e'] = df['words'].str.count('e')
df['cap'] = df['words'].str.capitalize()
df.head()
words first count_e cap
0 she ran s 1 She ran
1 she ran s 1 She ran
2 they hiked t 2 They hiked
3 they hiked t 2 They hiked
4 they hiked t 2 They hiked
Хронометраж
%%timeit
df['first'] = df['words'].str[0]
df['count_e'] = df['words'].str.count('e')
df['cap'] = df['words'].str.capitalize()
127 ms ± 585 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
def extract_text_features(x):
return x[0], x.count('e'), x.capitalize()
%timeit df['first'], df['count_e'], df['cap'] = zip(*df['words'].apply(extract_text_features))
101 ms ± 2.96 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
Дивно, але ви можете отримати кращі показники, перебираючи кожне значення
%%timeit
a,b,c = [], [], []
for s in df['words']:
a.append(s[0]), b.append(s.count('e')), c.append(s.capitalize())
df['first'] = a
df['count_e'] = b
df['cap'] = c
79.1 ms ± 294 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
Ще один приклад із підробленими числовими даними
Створіть 1 мільйон випадкових чисел і випробуйте powers
функцію зверху.
df = pd.DataFrame(np.random.rand(1000000), columns=['num'])
def powers(x):
return x, x**2, x**3, x**4, x**5, x**6
%%timeit
df['p1'], df['p2'], df['p3'], df['p4'], df['p5'], df['p6'] = \
zip(*df['num'].map(powers))
1.35 s ± 83.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
Призначення кожного стовпця на 25 разів швидше і читабельніше:
%%timeit
df['p1'] = df['num'] ** 1
df['p2'] = df['num'] ** 2
df['p3'] = df['num'] ** 3
df['p4'] = df['num'] ** 4
df['p5'] = df['num'] ** 5
df['p6'] = df['num'] ** 6
51.6 ms ± 1.9 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
Я зробив подібну відповідь з більш детальною інформацією про те, чому apply
зазвичай це не шлях.
df.ix[: ,10:16]
. Я думаю, вам доведеться ввестиmerge
свої функції в набір даних.