从熊猫.apply向矢量化过渡

Question

我正试图用一种纯粹的矢量化方法来改进熊猫的迭代。我对矢量化有点陌生，很难让它起作用。

在一个dataframe字段中，我发现了所有基于字符串的地址记录。我需要为每个唯一的地址分别检索数据，并为返回的记录分配一个唯一的标识符。通过这种方式，我可以为每个地址都有一个UID，而不管数据中是否有多个地址。

我开发了一种利用向量和熊猫.apply方法的方法。

def addr_id(x):
    global df
    df['Unq_ID'][df['address'] == x] = uuid.uuid4()

pd.DataFrame(df['address'].unique(), columns=["column1"]).apply(lambda x: addr_id(x["column1"]), axis=1)

但是，我正试图彻底消除.apply方法。这就是我被困的地方。

df['Unq_ID'][df['address'] == (pd.DataFrame(df['address'].unique(), columns=["column1"]))["column1"]] = uuid.uuid4()

我一直得到一个ValueError:只能比较相同标记的系列对象

Answer 1

你想摆脱潘达的申请是因为性能原因，对吗？

我可以提出一个不同的方法来解决你的问题吗？

您可以用column1的唯一值作为键，uuids作为值来构造dict，然后将它们映射到DataFrame：

uuid_dict = {key: uuid.uuid4() for key in df['column1'].unique()}
df['address'] = df.column1.map(uuid_dict)

这将是非常快的，因为它避免了Python中的循环( Pandas应用程序在幕后是这样做的)。