在熊猫中乘以float列会花费太多时间

Question

所有人都在哭泣， 我有460.000行的DataFrame，有15列。我正在尝试将另一两列的乘积分配给一个列 代码是这样的

df[df.colx == 'S']['prd'] = df['col1']*df['col2']

prd，col1和col2具有float64作为数据类型。 我在其他列上执行了很多操作，没有任何问题，包括日期差，它们几乎立即执行。 如果我尝试

df['prd'] =  df['col1']*df['col2']

执行速度非常快。当我尝试将操作应用于DataFrame的子集时会出现问题 有人可以帮助我，并解释如何减少执行时间？ 非常感谢你！

更新： 如果可以的话

df2 = pd.DataFrame(df[df.colx=='S'])

然后

df2['prd'] =  df['col1']*df['col2']

仍然超级慢......... 哦，有可能吗？ df2应该是一个新的DataFrame...。

Answer 1

尝试分开操作：

df2 = df[df.colx == 'S']
df2['prd'] = df2['col1]*df2['col2']

或者如果df.colx == 'S'对您来说是某种情况，则可以运行：

df['prd'] = numpy.where(df['prod'] == 'S', df['col1']*df['col2'], 'Do something else')

只需用另一种逻辑方法替换“执行其他操作”即可，如果df.colx != 'S'