小编Gra*_*her的帖子

我最近在一个姐妹网站上回答了一个问题，该问题要求一种功能来计算数字的所有偶数位。其中的其他的答案中包含两个功能（这被证明是最快的，至今）：

def count_even_digits_spyr03_for(n):
    count = 0
    for c in str(n):
        if c in "02468":
            count += 1
    return count

def count_even_digits_spyr03_sum(n):
    return sum(c in "02468" for c in str(n))

另外，我还研究了使用列表理解和list.count：

def count_even_digits_spyr03_list(n):
    return [c in "02468" for c in str(n)].count(True)

前两个函数基本相同，除了第一个函数使用显式的计数循环，而第二个函数使用内建的sum。我本来希望第二个更快（基于此答案），这是我建议将第二个变成要求审查的东西。但是，事实证明是相反的。用一些数字递增的随机数对其进行测试（因此，任何一位数字的偶数概率约为50％），我得到以下计时：

为什么手动for循环这么快？比使用快将近两倍sum。而且由于内置功能sum应该比手动汇总列表大约快五倍（根据链接的答案），这意味着它实际上要快十倍！是否因为只需要将一半的​​值添加到计数器而节省了费用，因为另一半被丢弃了，足以说明这种差异？

使用if像这样的过滤器：

def count_even_digits_spyr03_sum2(n):
    return sum(1 for c in str(n) if c in "02468") …

该包joblib有一个函数delayed，它捕获传递给该函数的参数。它可以像这样使用：

from joblib import delayed

def f(n):
    return n**2

delayed(f)(2)
# (<function f at 0x7f939eb3fe60>, (2,), {})
h = delayed(f)
h(2)
# (<function f at 0x7f939eb3fe60>, (2,), {})

后一种用法让我认为它可以像任何其他装饰器一样使用。它的文档支持这一点：

joblib.delayed(函数, check_pickle=True)

装饰器用于捕获函数的参数。

但是，这失败了：

from joblib import delayed

@delayed
def g(n):
    return n**2

# Traceback (most recent call last):
#  File "<stdin>", line 1, in <module>
#  File "/usr/lib/python2.7/dist-packages/joblib/parallel.py", line 158, in delayed
#    pickle.dumps(function)
#  File "/usr/lib/python2.7/copy_reg.py", line 70, in _reduce_ex
#    raise TypeError, …

python中的循环花了很多时间给出结果.这包含大约100k记录.

这需要很多时间.时间如何减少

df['loan_agr'] = df['loan_agr'].astype(int)

for i in range(len(df)):

    if df.loc[i,'order_mt']== df.loc[i,'enr_mt']:

        df['new_N_Loan'] = 1

        df['exist_N_Loan'] = 0

        df['new_V_Loan'] = df['loan_agr']

        df['exist_V_Loan'] = 0

    else:        

        df['new_N_Loan'] = 0

        df['exist_N_Loan'] = 1

        df['new_V_Loan'] = 0

        df['exist_V_Loan'] = df['loan_agr']