有没有办法在循环中更快地更改 DataFrame？

Question

    for index, row in df.iterrows():
        print(index)

        name = row['name']
        new_name = get_name(name)
        row['new_name'] = new_name

        df.loc[index] = row

在这段代码中，我的测试表明最后一行让它变得非常慢，非常慢。 它基本上逐行插入一个新列。 也许我应该将所有“new_name”存储到一个列表中，并在循环之外更新 df？

Answer 1

使用Series.apply为每个列值处理 function，它像iterrows一样快：

df['new_name'] = df['name'].apply(get_name)

如果要提高性能，则有必要尽可能更改 function，但这取决于 function。

Answer 2

df['new_name'] = df.apply(lambda x: get_name(x) if x.name == 'name' else x)

.apply不是最佳做法，但我不确定这里是否有更好的做法。