如何应用 Numpy Vectorize 而不是应用函数答案

【问题标题】：how to apply Numpy Vectorize instead of apply function如何应用 Numpy Vectorize 而不是应用函数
【发布时间】：2021-10-19 00:31:21
【问题描述】：

我有一个如下的熊猫数据框

data = {

'ID' : [0,0,0,0,0,1],
        
'DAYS': [293,1111,3020,390,210,10],
 

}



df = pd.DataFrame(data, columns = ['ID','DAYS'])
    ID  DAYS
0   0   293
1   0   1111
2   0   3020
3   0   390
4   0   210
5   1   10

我要做的是具有以下条件的简单应用函数，并将列输出为布尔值：

df['bool'] = df.apply(lambda x:( x['DAYS'] < 365),axis =1  )

我想优化这个 apply-lambda 部分.. 我设法在 numpy 数组中做到了

df['bool_numpy'] = np.where(df['DAYS'] <365 ,True ,False)

但我正在努力为 np.vectorize 方法应用相同的东西。

def copy_filter(df):
    if df['DAYS'] <365:
        return True
    else:
        return False

a= np.vectorize(copy_filter, otypes = [bool])
df['bool_vectorize'] = a(df['DAYS'])

但给了我一个错误。任何帮助，将不胜感激。而且，针对这个问题的任何其他优化技术也会很棒！

【问题讨论】：

标签： python pandas numpy apply

【解决方案1】：

你不需要apply 也不需要vectorize：

df['bool'] = df['DAYS'] < 365

输出：

   ID  DAYS   bool
0   0   293   True
1   0  1111  False
2   0  3020  False
3   0   390  False
4   0   210   True
5   1    10   True

【讨论】：

如果我要使用 vectorize ，它甚至可能吗？
@dakjdlajsl 这是可能的，但在这种情况下它是低效且不必要的。
是的，检查@BENY 的答案，但这对于这种操作是没用的。请注意，vectorize 将允许您的函数接受向量作为输入。它将不为您提供矢量速度操作。这只是一个循环的包装器

【解决方案2】：

把你的函数改成

def copy_filter(x):
    if x <365:
        return True
    else:
        return False
a= np.vectorize(copy_filter, otypes = [bool])
df['bool_vectorize'] = a(df['DAYS'])
df
   ID  DAYS  bool_vectorize
0   0   293            True
1   0  1111           False
2   0  3020           False
3   0   390           False
4   0   210            True
5   1    10            True

【讨论】：

def copy_filter(x): return x < 365 甚至lambda x: x < 365