.apply() 是否有更慢或更可控的替代方案？

Question

所以这似乎是一个奇怪的问题，但我有一个带有地址的熊猫DataFrame，我想对其进行地理编码，以便获得纬度和经度。

感谢这个非常有用的线程 (new column with coordinates using geopy pandas)，我的代码可以使用 .apply()，但我的问题是所有开放的 API 都对它们允许的每秒请求数有严格限制，并且每天。

我无法找到任何方法来限制我的代码以匹配 API 的限制。我的 DF 有 25K 行，但只有创建最多 5 行的子集才能成功进行地理编码。

我对 python 和 pandas 没有太多经验，但在 SAS 中，DATA 步骤一次迭代一行，所以我可以有一个 sleep 命令来限制请求。用 python/pandas 实现类似功能的最佳方法是什么？

编辑：所以根据到目前为止的答案，我想确认，我的代码将从： df_small['city_coord'] = df_small['Address'].apply(geolocator.geocode).apply(lambda x: (x.latitude, x.longitude))
到：

df_small = df_clean[:5]
def f(x, delay=1):
# run your code    
sleep(delay)
return geolocator.geocode(x)

df_small['city_coord'] = df_small['Address'].apply(f).apply(lambda x: (x.latitude, x.longitude))

Answer 1

要延迟迭代，可以使用df.iterrows() 和time.sleep()：

from time import sleep

for row in df.iterrows():
    # run your code
    sleep(1) # how many seconds to wait

或者您可以将time.sleep() 放在apply 函数本身中（正如@RafaelC 在 cmets 中建议的那样）：

def f(x, delay=1):
    # run your code
    sleep(delay)

df.apply(f)