前言

使用Pandas dataframe執行數千甚至數百萬次計算仍然是一項挑戰。你不能簡單的將數據丟進去，編寫Python for循環，然后希望在合理的時間內處理數據。

Pandas是為一次性處理整個行或列的矢量化操作而設計的，循環遍歷每個單元格、行或列并不是它的設計用途。所以，在使用Pandas時，你應該考慮高度可并行化的矩陣運算。

本文將教你如何使用Pandas設計使用的方式，并根據矩陣運算進行思考。在此過程中，我們將向你展示一些實用的節省時間的技巧和竅門，這些技巧和技巧將使你的Pandas代碼比那些可怕的Python for循環更快地運行！

數據準備

在本文中，我們將使用經典的鳶尾花數據集。

現在讓我們建立一個標準線，用Python for循環來測量我們的速度。我們將通過循環遍歷每一行來設置要在數據集上執行的計算，然后測量整個操作的速度。這將為我們提供一個基準，以了解我們的新優化對我們有多大幫助。

在上面的代碼中，我們創建了一個基本函數，它使用If-Else語句根據花瓣的長度選擇花的類。我們編寫了一個for循環，通過循環dataframe對每一行應用函數，然后測量循環的總時間。

在i7-8700k計算機上，循環運行5次平均需要0.01345秒。

使用.iterrows()

我們可以做的最簡單但非常有價值的加速是使用Pandas的內置 .iterrows() 函數。

在上一節中編寫for循環時，我們使用了 range() 函數。然而，當我們在Python中對大范圍的值進行循環時，生成器往往要快得多。

Pandas的 .iterrows() 函數在內部實現了一個生成器函數，該函數將在每次迭代中生成一行Dataframe。更準確地說，.iterrows() 為DataFrame中的每一行生成(index, Series)的對（元組）。這實際上與在原始Python中使用 enumerate() 之類的東西是一樣的，但運行速度要快得多！

生成器（Generators）

生成器函數允許你聲明一個行為類似迭代器的函數，也就是說，它可以在for循環中使用。這大大簡化了代碼，并且比簡單的for循環更節省內存。

考慮這樣一個例子，我們想把1到1000之間的所有數字加起來。下面代碼的第一部分說明了如何使用for循環來實現這一點。

如果列表很小，比如長度為1000，那就很好了。當你想要處理一個龐大的列表時，比如10億個浮點數，問題就出現了。使用for循環，在內存中創建了大量的內存huge列表，并不是每個人都有無限的RAM來存儲這樣的東西！Python中的range()函數也做同樣的事情，它在內存中構建列表

代碼的第(2)節演示了使用Python生成器對數字列表求和。生成器將創建元素并僅在需要時將它們存儲在內存中。一次一個。這意味著，如果必須創建10億個浮點數，那么只能一次將它們存儲在內存中。Python中的xrange()函數使用生成器來構建列表。

也就是說，如果你想多次迭代列表并且它足夠小以適應內存，那么使用for循環和range函數會更好。這是因為每次訪問list值時，生成器和xrange都會重新生成它們，而range是一個靜態列表，并且內存中已存在整數以便快速訪問。

下面我們修改了代碼，使用.iterrows()代替常規的for循環。在我上一節測試所用的同一臺機器上，平均運行時間為0.005892秒，速度提高了2.28倍！

使用.apply()

iterrows()函數極大地提高了速度，但我們還遠遠沒有完成。請始終記住，當使用為向量操作設計的庫時，可能有一種方法可以在完全沒有for循環的情況下最高效地完成任務。

為我們提供此功能的Pandas功能是 .apply() 函數。apply()函數接受另一個函數作為輸入，并沿著DataFrame的軸（行、列等）應用它。在傳遞函數的這種情況下，lambda通?？梢苑奖愕貙⑺袃热荽虬谝黄稹?/p>

在下面的代碼中，我們已經完全用.apply()和lambda函數替換了for循環，打包所需的計算。這段代碼的平均運行時間是0.0020897秒，比原來的for循環快6.44倍。

apply()之所以快得多，是因為它在內部嘗試遍歷Cython迭代器。如果你的函數針對Cython進行了優化，.apply()將使你的速度更快。額外的好處是，使用內置函數可以生成更干凈、更可讀的代碼！

最后

前面我們提到過，如果你正在使用一個為向量化操作設計的庫，你應該總是在沒有for循環的情況下尋找一種方法來進行任何計算。

類似地，以這種方式設計的許多庫，包括Pandas，都將具有方便的內置函數，可以執行你正在尋找的精確計算，但速度更快。

Pandas的 .cut() 函數將一組bin定義為輸入，這些bin定義了If-Else的每個范圍和一組標簽。這與我們用 compute_class() 函數手動編寫有完全相同的操作。

看下面的代碼，看看.cut()是如何工作的。我們又一次得到了更干凈、更可讀的代碼。最后，.cut()函數平均運行0.001423秒，比原來的for循環快了9.39倍!

好了，到此這篇關于Pandas加速代碼之避免使用for循環的文章就介紹到這了,更多相關Pandas for循環內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！