是否有比 .apply() 更慢或更受控制的替代方案？

Question

所以这似乎是一个奇怪的问题，但我有一个DataFrame带有地址的熊猫，我想对它进行地理编码，这样我就可以获得纬度和经度。

.apply()由于这个非常有用的线程（带有使用 geopy pandas 的坐标的新列），我的代码可以使用，但我的问题是所有开放 API 对每秒允许的请求数以及每天的请求数都有严格的限制。

我还没有找到任何方法来限制我的代码，以便符合 API 的限制。我的 DF 有 25K 行，但只有在创建最多 5 行的子集时，我才能成功进行地理编码。

我对 python 和 pandas 没有太多经验，但在 SAS 中，DATA 步骤一次迭代一行，因此我可以使用 sleep 命令来限制请求。使用 python/pandas 实现类似功能的最佳方法是什么？

编辑：所以根据到目前为止的答案，我想确认，我的代码将从： 更改 df_small['city_coord'] = df_small['Address'].apply(geolocator.geocode).apply(lambda x: (x.latitude, x.longitude))
为：

df_small = df_clean[:5]
def f(x, delay=1):
# run your code    
sleep(delay)
return geolocator.geocode(x)

df_small['city_coord'] = df_small['Address'].apply(f).apply(lambda x: (x.latitude, x.longitude))

Answer 1

要延迟迭代，您可以使用df.iterrows()and time.sleep()：

from time import sleep

for row in df.iterrows():
    # run your code
    sleep(1) # how many seconds to wait

或者您可以直接放入time.sleep()函数apply本身（正如 @RafaelC 在评论中建议的那样）：

def f(x, delay=1):
    # run your code
    sleep(delay)

df.apply(f)