python vectorize_1000+倍！超强Python『向量化』数据处理提速攻略

1、向量化

1000倍的速度听起来很夸张。Python并不以速度著称。这是真的吗？当然有可能 ，关键在于你如何操作！

如果在数据上使用for循环，则完成所需的时间将与数据的大小成比例。但是还有另一种方法可以在很短的时间内得到相同的结果，那就是向量化。

这意味着要花费15秒的时间来编写代码，并且在15毫秒的时间内跑出结果。

当然，根据数据集的不同，库文件、硬件版本的不同，所以实际结果可能会有所不同。

那么什么是向量化？

简而言之，向量化是一种同时操作整个数组而不是一次操作一个元素的方法，这也得益于Numpy数组。

我们先导入测试数据：

第一次向量化测试：

以这个函数为例。这是一个非常基本的条件逻辑，我们需要为lead status创建一个新列。

我们使用Pandas的优化循环函数apply()，但它对我们来说太慢了。

或者使用如下方法：

接下来，我们尝试一下使用向量化。将整个Series作为参数传递到函数中，而不是对每一行。

但没有成功。if语句试图确定Series作为一个整体的真实性，而不是比较Series中的每个元素，所以这是错误的。

2、numpy.where()

语法很简单，就像的IF()。

第一个参数是逻辑条件Numpy，它将为数组中的每个元素计算一个布尔数组。当条件满足且为True时，将返回第二个参数，否则返回第三个参数。

看下面的例子：

numpy.where()它从我们的条件中创建一个布尔数组，