数据处理赏罚必看：怎样让你的Pandas轮回加速71803倍

雷锋网 AI 开拓者按，假如你行使 python 和 pandas 举办数据说明，那么不久你就会第一次行使轮回了。然而，纵然是对小型数据集，行使尺度轮回也很费时，你很快就会心识到大型数据帧也许必要很长的时刻。当我第一次等了半个多小时来执行代码时，我找到了接下来想与你共享的更换方案。

尺度轮回

数据帧是具有行和列的 pandas 工具。假如行使轮回，则将遍历整个工具。python 不能用任何内置函数，并且速率很是慢。在我们的示例中，我们获得了一个具有 65 列和 1140 行的数据帧，它包括 2016-2019 赛季的足球角逐功效。我们要建设一个新的列来指示某个特定的队是否打过平手。我们可以这样开始：

leaguedf['Draws'] = 99999    
 
for row in range(0, len(leaguedf)):     
 
if ((leaguedf['HomeTeam'].iloc[row] == TEAM) & (leaguedf['FTR'].iloc[row] == 'D')) |   
((leaguedf['AwayTeam'].iloc[row] == TEAM) & (leaguedf['FTR'].iloc[row] == 'D')):     
 
leaguedf['Draws'].iloc[row] = 'Draw'      
elif ((leaguedf['HomeTeam'].iloc[row] == TEAM) & (leaguedf['FTR'].iloc[row] != 'D')) |  
 
((leaguedf['AwayTeam'].iloc[row] == TEAM) & (leaguedf['FTR'].iloc[row] != 'D')):    
leaguedf['Draws'].iloc[row] = 'No_Draw'   
 
else:      
 
leaguedf['Draws'].iloc[row] = 'No_Game'  
def soc_loop(leaguedf,TEAM,):    

由于我们的数据框架中包括了英超的每一场角逐，以是我们必需搜查我们感乐趣的球队(阿森纳)是否介入过角逐，是否合用，他们是主队照旧客队。如你所见，这个轮回很是慢，必要 207 秒才气执行。让我们看看怎样进步服从。

pandas 内置函数：iterrow()——快 321 倍

在第一个示例中，我们轮回会见了整个数据帧。iterrows()为每行返回一个序列，因此它以一对索引的情势在数据帧上迭代，而感乐趣的列以序列的情势迭代。这使得它比尺度轮回更快：

def soc_iter(TEAM,home,away,ftr):  
        #team, row['HomeTeam'], row['AwayTeam'], row['FTR']    
        if [((home == TEAM) & (ftr == 'D')) | ((away == TEAM) & (ftr == 'D'))]:     
                result = 'Draw'     
       elif [((home == TEAM) & (ftr != 'D')) | ((away == TEAM) & (ftr != 'D'))]:     
              result = 'No_Draw'   
 
       else:     
              result = 'No_Game'    
       return result 

代码运行必要 68 毫秒，比尺度轮回快 321 倍。可是，很多人提议不要行使它，由于如故有更快的要领，而且 iterrows() 不保存跨行的数据范例。这意味着，假如在数据帧上行使 iterrow()，则可以变动数据范例，这会导致许多题目。要保存数据范例，还可以行使 itertuples()。我们不会在这里具体接头，由于我们要存眷服从。你可以在这里找到官方文件：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.itertuples.html?source=post_page-----805030df4f06----------------------

apply()要领——快 811 倍

apply 自己并不快，但与数据帧团结行使时具有上风。这取决于应用表达式的内容。假如可以在 Cython 空间中执行，则速率会更快(在这里就是这种环境)。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!