【问题标题】：Using apply in pandas take long time in data frame在 pandas 中使用 apply 在数据框中需要很长时间
【发布时间】：2021-09-22 13:26:48
【问题描述】：

我正在尝试在数据框中使用应用功能。

下面是示例数据框。

import pandas as pd
from CoolProp.HumidAirProp import HAPropsSI

df =pd.DataFrame()
df['T'] = [23,35,55]
df ['RH'] = [50,70,35]
df['H']= df.apply(lambda x: HAPropsSI('H','T',x ['T']+273.15, 'P',101325,'R',x ['RH']/100), axis = 1)

实际的数据框包含 400,000 行和 8 列。当我在我的实际数据框中应用上述功能时，需要很长时间才能完成。有没有其他方法可以提高计算速度？

更新

我尝试按如下方式使用验证：

df ['Enthalpy'] = np.vectorize(HAPropsSI) ('H','T',df ['T']+273.15, 'P',101325,'R',df ['RH']/100)

它显示以下错误：

TypeError: Numerical inputs to HAPropsSI must be ints, floats, lists, or 1D numpy arrays.

函数的输入如下：

HAPropsSI('H',T',x ['T']+273.15,P',101325,'R',x ['RH']/100)

第一个参数，H是我要找的参数。

第二个参数，T是需要输入参数的类型，第三个参数是输入参数T的值。

第三个和第四个代表输入参数的类型和它的值。类似的适用于第五和第六。

【问题讨论】：

你研究过多线程apply 吗？
还没有。谢谢。
为什么不在df numpy 值上直接使用HAPropsSI？像 df["T"].values + 273.15... 在我的测试中工作并且速度快了一点
你应用的函数是做什么的，你能向量化操作吗？
如果可能的话，您应该重写HAPropsSI，使其直接作用于数据向量或数据帧，而不是单个数字。

标签： python pandas apply

【解决方案1】：

您是否尝试过矢量化您的函数？

我会在这里推荐this question的答案，它很好地解释了“假”和“真”矢量化的优点。

【讨论】：

我试过了，请在更新后的帖子中查看错误。