有沒有辦法在循環中更快地更改 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

在這段代碼中，我的測試表明最后一行讓它變得非常慢，非常慢。 它基本上逐行插入一個新列。 也許我應該將所有“new_name”存儲到一個列表中，並在循環之外更新 df？

Answer 1

使用Series.apply為每個列值處理 function，它像iterrows一樣快：

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

如果要提高性能，則有必要盡可能更改 function，但這取決於 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，但我不確定這里是否有更好的做法。