Pandas 数据框替换速度缓慢

如何优化 Pandas 数据框的替换速度

python
import pandas as pd
import numpy as np
# 创建一个包含大量数据的数据框
df = pd.DataFrame({'A': np.random.randint(0, 10, 1000000)})
# 使用向量化的替换方法
df['A'] = np.where(df['A'] == 5, 10, df['A'])

python
import pandas as pd
# 创建一个包含大量数据的数据框
df = pd.DataFrame({'A': [1, 2, 3, 4, 5]})
# 使用字典进行替换
replace_dict = {1: 'A', 2: 'B', 3: 'C'}
df['A'] = df['A'].replace(replace_dict)

python
import pandas as pd
# 创建一个包含大量数据的数据框
df = pd.DataFrame({'A': ['red', 'green', 'blue'] * 100000})
# 将列转换为 Categorical 类型
df['A'] = df['A'].astype('category')

python
import pandas as pd
from pandarallel import pandarallel
# 初始化 Pandarallel
pandarallel.initialize()
# 创建一个包含大量数据的数据框
df = pd.DataFrame({'A': range(1000000)})
# 定义替换函数
def replace_value(x):
    if x % 2 == 0:
        return x + 1
    else:
        return x
# 使用并行计算进行替换
df['A'] = df['A'].parallel_apply(replace_value)