pandas .apply 函数是矢量化的吗？答案

【问题标题】：Is the pandas .apply function vectorised?pandas .apply 函数是矢量化的吗？
【发布时间】：2017-04-06 23:12:19
【问题描述】：

pandas df.apply(x, axis=1) 方法是同时还是迭代地将函数 x 应用于所有行？我查看了文档，但没有找到任何东西。

【问题讨论】：

矢量化函数实际上并不同时应用于所有行。无论如何，有关一些详细信息，请参阅答案here。

【解决方案1】：

它是迭代的：

In [11]: df = pd.DataFrame([[1, 2], [3, 4]], columns=["A", "B"])

In [12]: def f(row):
             f.count += 1
             return f.count

In [13]: f.count = 0

In [14]: df.apply(f, axis=1)
Out[14]:
0    1
1    2
dtype: int64

注意：尽管在此示例中似乎并非如此 the documentation 警告：

在当前实现中，apply 在第一列/行上调用 func 两次，以决定它是否可以采用快速或慢速代码路径。如果 func 有副作用，这可能会导致意外行为，因为它们会对第一列/行生效两次。

实际的 for 循环（用于 python 函数而不是 ufunc）发生在 lib.reduce (here) 中。

【讨论】：

【解决方案2】：

我相信迭代是答案。考虑一下：

import pandas as pd
import numpy as np
import time

# Make a 1000 row long dataframe
df = pd.DataFrame(np.random.random((1000, 4)))

# Apply this time delta function over the length of the dataframe
t0 = time.time()
times = df.apply(lambda _: time.time()-t0, axis=1)

# Print some of the results
print(times[::100])

输出[]：
0 0.000500
100 0.001029
200 0.001532
300 0.002036
400 0.002531
500 0.003033
600 0.003536
700 0.004035
800 0.004537
900 0.005513
数据类型：float64

【讨论】：