讓我們來(lái)做這樣一個(gè)處理，如果某一列的值小于.5就把值統(tǒng)一替換為0，否則就替換為100.
原創(chuàng)不易，喜歡就轉(zhuǎn)發(fā)和給個(gè)贊吧。
首先創(chuàng)建一個(gè)dataframe:
import pandas as pdimport numpy as npimport timedf = pd.DataFrame(np.random.rand(100000, 4), columns=['A', 'B', 'C', 'D'])print(df)數(shù)據(jù)輸出如下：
第一種方法：iterrows()
總共耗時(shí)8.12秒，iterrows()遍歷確實(shí)比較慢，讓人等得著急?。?/p>
第二種方法：iloc
總共耗時(shí)2.76秒，是iterrows的2.9倍，速度提高了很多。
第三種方法：apply函數(shù)
總共耗時(shí)52.2毫秒，是iterrows的155倍。
第四種方法：numpy的where， 使用前先導(dǎo)入numpy.
總共耗時(shí)778微秒，處理速度是iterrows的10437倍，快到讓人不敢相信。
本人覺(jué)得這個(gè)速度已經(jīng)達(dá)到極致了，那還有沒(méi)有更快的方法呢？那我們?cè)谟胣umpy的where(.values)來(lái)看看，結(jié)果簡(jiǎn)直不可思議只用了426微妙，速度快的離奇，處理速度是iterrows的一萬(wàn)九千都倍。
聯(lián)系客服
