我熟悉"矢量化"的概念,以及熊猫如何使用矢量化技术来加速计算.矢量化函数在整个系列或DataFrame上广播操作,以实现比传统迭代数据更大的加速.
但是,我很惊讶地看到很多代码(包括Stack Overflow的答案)提供了解决问题的方法,这些问题涉及使用for循环和列表推导来循环数据.阅读完文档后,对API有了不错的理解,我认为循环是"坏的",并且应该"永远"迭代数组,系列或DataFrame.那么,为什么我会不时地看到用户提出循环解决方案呢？
因此,要总结......我的问题是:
是否for循环真正的"坏"？如果不是,在什么情况下它们会比使用更传统的"矢量化"方法更好？1
1 - 虽然这个问题确实听起来有点宽泛,但事实是,当for循环通常比传统的迭代数据更好时,存在非常具体的情况.这篇文章旨在为后人捕捉这一点.
我想在Pandas中创建一个新列,使用为数据帧中的另一列切片的字符串.
例如.
Sample Value New_sample
AAB 23 A
BAB 25 B
New_sample从一个简单的[:1]切片形成的新列在哪里Sample
我尝试过很多东西都无济于事 - 我觉得我错过了一些简单的东西.
这样做最有效的方法是什么？
我正在使用python中数万个数字的数字.long类型在对这些数字进行数学运算时效果很好,但是我无法以足够快的速度访问这些数字的最高位数.请注意,我不确切知道该数字包含多少位数."最高位"是指最重要位置的数字,可以使用模数快速访问最低位.
我可以想到在python中访问这些数字的两种方法,但它们对我的目的来说都太慢了.我已尝试转换为字符串并通过数组方法访问数字,但是当您有10,000+位数时类型转换很慢.或者,我可以简单地屏蔽掉比特并截断,但这需要我知道长度中有多少位数.找到long中的位数需要在计数器上进行循环和掩码测试,这肯定会比字符串转换慢.
从这里的描述看来,long类型确实包含一个bignum数组.有什么方法可以访问存储long的基础数据结构,或者可能检查long与基类型有多少位数？
如果人们感兴趣,我可以提供一个基准测试的例子.