![eeb5ad0308ac7ddade6b749662dc5879.png](https://i-blog.csdnimg.cn/blog_migrate/0373b1bf72111c53e2361d882eecefe6.jpeg)
本专栏招募作者及编辑,感兴趣分享学习R/Python数据分析/机器学习知识的可以私信联系
PS:有人提到一个问题很好,如果每次循环都采用比较复杂的操作似乎用向量化很难实现,我的建议是尽可能拆分成向量化操作,如果不行建议用numpy硬写然后用numba包加速。
正文:
如果你使用过Python及Pandas,那么你很有可能已经使用了for循环去进行某些数据分析操作。不幸的是,绝大部分Python新手使用的下标循环语句实际上是非常之慢的,即便在小数据集上也会消耗大量的运行时间。本专栏之前的一些文章已经涉及了这方面的讨论,在这篇文章中文兄进一步特意对五种不同的For Loop方法进行横向对比,使大家更加明晰自己平时写的各种For循环到底效率几何。
注意:之后代码里出现的df是一个只有一个column叫做test的dataframe。另外各方法下面的代码均只是用法举例,并不和测试速度用的代码完全一致。测试代码原文如下:
https://towardsdatascience.com/how-to-make-your-pandas-loop-71-803-times-faster-805030df4f06towardsdatascience.com方法1:下标循环(速度等级: )
df1 = df
for i in