【Python效率】五種Pandas循環方法效率對比 - 文兄的文章 - 知乎 https://zhuanlan.zhihu.com/p/80880493

正文：

如果你使用過Python及Pandas，那么你很有可能已經使用了for循環去進行某些數據分析操作。不幸的是，絕大部分Python新手使用的下標循環語句實際上是非常之慢的，即便在小數據集上也會消耗大量的運行時間。本專欄之前的一些文章已經涉及了這方面的討論，在這篇文章中文兄進一步特意對五種不同的For Loop方法進行橫向對比，使大家更加明晰自己平時寫的各種For循環到底效率幾何。

注意：之后代碼里出現的df是一個只有一個column叫做test的dataframe。另外各方法下面的代碼均只是用法舉例，并不和測試速度用的代碼完全一致。測試代碼原文如下：https://towardsdatascience.com/how-to-make-your-pandas-loop-71-803-times-faster-805030df4f06?towardsdatascience.com

方法1：下標循環(速度等級： )

下標循環是通過循環一個下標數列，通過iloc去不斷get數據，這個方法是新手最常用的但也是最慢的，在測試例子中大概需要21.9s。

方法2：Iterrows循環(速度等級： )

該循環方式是通過iterrows進行循環，ind和row分別代表了每一行的index和內容。測試例子大概需要0.07s，比起下標循環速度提升了321倍。

方法3：Apply循環(速度等級： )

Apply是pandas的一個常用函數，通常的用法是內接一個lambda匿名函數，從而對dataframe的每一行都進行循環處理。在測試例子中，apply的速度為0.027s，比下標循環快了811倍。

方法4：Pandas內置向量化函數(速度等級： )

Pandas為我們提供了大量的內置向量化函數，比如sum，mean就可以快速計算某一列的求和和平均。在測試例子中速度為0.00236s，比下標循環快了9280倍。

方法5：Numpy向量化函數(速度等級： )

最后一種方法是將Pandas的數據轉化為Numpy的Array，然后使用Numpy的內置函數進行向量化操作。在測試例子中速度為0.000305s，比下標循環快了71800倍。

下面是詳細的速度對比圖，來自之前鏈接：

總結

以上是生活随笔為你收集整理的python最快的循环方法_【转】【Python效率】五种Pandas循环方法效率对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。