[ 引言 ] 虽然目前dask,cudf等包的出现，使得我们的数据处理大大得到了加速，但是并不是每个人都有比较好的gpu，非常多的朋友仍然还在使用pandas工具包，但有时候真的很无奈。,我们以Apply为例，原始的Apply函数处理下面这个问题，需要18.4s的时间。,因为处理是并行的，所以我们可以使用Swift进行加速，在使用Swift之后，相同的操作在我的机器上可以提升到7.67s。,使用Pandas和Numpy的最快方法是将函数向量化。如果我们的操作是可以直接向量化的话，那么我们就尽可能的避免使用：,在将上面的问题转化为下面的处理之后，我们的时间缩短为：421 ms。,我们先将上面的类别转化为int16型，再进行相同的向量化操作，发现时间缩短为：116 ms。,在能转化为.values的地方尽可能转化为.values，再进行操作。,于是，上面的操作时间又被缩短为：74.9ms。,通过上面的一些小的技巧，我们将简单的Apply函数加速了几百倍，具体的：
© 版权声明
文章版权归作者所有，未经允许请勿转载。
">