优化Python代码的4种方法(3)

你可能已经注意到apply方法比iterrows方法快得多。其性能可媲美与NumPy数组，但apply方法提供了更多的灵活性。你可以在此处阅读apply方法的文档。(https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.apply.html)

2. Pandas.DataFrame.loc | Python数据处理的技巧

这是我最喜欢的Pandas库的技巧之一。我觉得对于处理数据任务的数据科学家来说，这是一个必须知道的方法(所以几乎每个人都是这样!)

大多数时候，我们只需要根据某些条件来更新数据集中特定列的某些值。Pandas.DataFrame.loc为我们提供了针对此类问题的优化的解决方案。

让我们使用loc函数解决一个问题。你可以在此处下载将要使用的数据集(https://drive.google.com/file/d/1VwXDA27zgx5jIq8C7NQW0A5rtE95e3XI/view?usp=sharing)。

# 导入库 
import pandas as pd 
data = pd.read_csv('school.csv') 
data.head() 

检查“City”变量的各个值的频数：

现在，假设我们只需要排名前5位的城市，并希望将其余城市替换为“Others”(其他)城市。因此，让我们这么写：

# 将热门城市保存在列表中 
top_cities = ['Brooklyn','Bronx','Manhattan','Jamaica','Long Island City'] 
# 使用loc更新目标 
data.loc[(data.City.isin(top_cities) == False),'City'] = 'Others' 
# 各个城市的频数 
data.City.value_counts() 

Pandas来更新数据的值是非常容易的!这是解决此类数据处理任务的优化方法。

3.在Python中向量化你的函数

摆脱慢循环的另一种方法是对函数进行向量化处理。这意味着新创建的函数将应用于输入列表，并将返回结果数组。Python中的向量化可以加速计算

让我们在相同的Twitter Sentiment Analysis数据集对此进行验证。

''' 
优化方法：向量化函数 
''' 
# 导入库 
import pandas as pd  
import numpy as np 
import time 
import math 
data = pd.read_csv('train_E6oV3lV.csv') 
# 输出头部信息 
print(data.head()) 
def word_count(x) : 
 return len(x.split()) 
# 使用Dataframe iterrows 计算词的个数 
print('\n\nUsing Iterrows\n\n') 
start_time = time.time() 
data_1 = data.copy() 
n_words = [] 
for i, row in data_1.iterrows(): 
 n_words.append(word_count(row['tweet'])) 
data_1['n_words'] = n_words  
print(data_1[['id','n_words']].head()) 
end_time = time.time() 
print('\nTime taken to calculate No. of Words by iterrows :', 
(end_time-start_time),'seconds') 
# 使用向量化方法计算词的个数 
print('\n\nUsing Function Vectorization\n\n') 
start_time = time.time() 
data_2 = data.copy() 
# 向量化函数 
vec_word_count = np.vectorize(word_count) 
n_words_2 = vec_word_count(data_2['tweet']) 
data_2['n_words'] = n_words_2 
print(data_2[['id','n_words']].head()) 
end_time = time.time() 
print('\nTime taken to calculate No. of Words by numpy array : ', 
(end_time-start_time),'seconds') 

难以置信吧?对于上面的示例，向量化速度提高了80倍!这不仅有助于加速我们的代码，而且使其变得更整洁。

4. Python中的多进程

多进程是系统同时支持多个处理器的能力。

在这里，我们将流程分成多个任务，并且所有任务都独立运行。当我们处理大型数据集时，即使apply函数看起来也很慢。

因此，让我们看看如何利用Python中的多进程库加快处理速度。

（编辑：ASP站长网）