Pandas是一種流行的用于數據操作的Python/ target=_blank class=infotextkey>Python庫，它提供了一種稱為“向量化”的強大技術可以有效地將操作應用于整個列或數據系列，從而消除了顯式循環的需要。在本文中，我們將探討什么是向量化，以及它如何簡化數據分析任務。
什么是向量化?
向量化是將操作應用于整個數組或數據系列的過程，而不是逐個遍歷每個元素。在Pandas中可以對整個列或Series執行操作，而無需編寫顯式循環。這種高效的方法利用了底層優化的庫，使您的代碼更快、更簡潔。
向量化操作示例
1、基本算術運算
一個具有兩列的DataFrame， ' a '和' B '，我們希望以元素方式添加這兩列，并將結果存儲在新列' C '中。通過向量化，你可以在一行代碼中實現這一點:
import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
# Using vectorization to add columns 'A' and 'B'
df['C'] = df['A'] + df['B']
print(df['C'])
Output:
0 5
1 7
2 9
在本例中，加法運算df['A'] + df['B']同時應用于整個列'A'和'B'，結果存儲在列'C'中。
2、Apply
向量化還允許對列應用自定義函數。假設你想計算一列中每個元素的平方:
import pandas as pd
data = {'A': [1, 2, 3]}
df = pd.DataFrame(data)
# Define a custom function
def square(x):
return x ** 2
# Applying the 'square' function to the 'A' column
df['A_squared'] = df['A'].apply(square)
print(df['A_squared'])
Output:
0 1
1 4
2 9
使用.apply()將平方函數應用于整個'A'列。不需要顯式循環。
3、條件操作
也將矢量化用于條件操作，比如基于列a中的條件創建一個新的列D:
import pandas as pd
data = {'A': [1, 2, 3]}
df = pd.DataFrame(data)
# Creating a new column 'D' based on a condition in column 'A'
df['D'] = df['A'].apply(lambda x: 'Even' if x % 2 == 0 else 'Odd')
print(df)
Output:
A D
0 1 Odd
1 2 Even
2 3 Odd
使用lambda函數來檢查' a '中的每個元素是偶數還是奇數，并將結果分配給' D '列。
向量化的好處
在Pandas中向量化提供了幾個好處:
- 效率:操作針對性能進行了優化，并且比傳統的基于循環的操作快得多，特別是在大型數據集上。
- 清晰度:與顯式循環的代碼相比，代碼通常更簡潔，更容易閱讀。
- 易用性:您可以使用一行代碼將操作應用于整個行或列，降低了腳本的復雜性。
- 兼容性:Pandas與其他數據科學庫(如NumPy和scikit-learn)無縫集成，可以在數據分析和機器學習項目中有效地使用向量化數據。
向量化提高代碼的速度
向量化是一種強大的編程技術，可以加快代碼的執行速度。這種方法利用底層優化的硬件指令和庫，使計算更快、更高效。讓我們以Python和NumPy為例，探索向量化如何加快代碼的速度。
傳統的基于循環的處理
在許多編程場景中，可能需要對數據元素集合執行相同的操作，例如逐個添加兩個數組或對數組的每個元素應用數學函數。一般都會使用循環一次迭代一個元素并執行操作。
下面是一個沒有向量化的Python示例:
list1 = [1, 2, 3, 4, 5]
list2 = [6, 7, 8, 9, 10]
result = []
for i in range(len(list1)):
result.append(list1[i] + list2[i])
print(result)
Output:
[7, 9, 11, 13, 15]
雖然此代碼可以工作，但它在循環中單獨處理每個元素，這對于大型數據集來說可能很慢。
使用NumPy進行向量化操作
NumPy是一個流行的Python庫，提供對向量化操作的支持。它利用了優化的C和Fortran庫，使其在數值計算方面比純Python循環快得多。
下面是使用NumPy的相同加法操作:
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([6, 7, 8, 9, 10])
result = array1 + array2
print(result)
Output:
[ 7 9 11 13 15]
NumPy可以一次對整個數組執行操作，并且更有效地處理底層細節。
效率比較
比較一下使用NumPy和Python中傳統的基于循環的方法執行元素加法所花費的時間。我們將使用timeit模塊來度量這兩個方法的執行時間。下面是比較的代碼:
import numpy as np
import timeit
# Create two NumPy arrays and two lists for the comparison
array1 = np.random.randint(1, 100, size=1000000)
array2 = np.random.randint(1, 100, size=1000000)
list1 = list(array1)
list2 = list(array2)
# Vectorized processing with NumPy
def numpy_vectorized():
result = array1 + array2
# Traditional loop-based processing
def loop_based():
result = []
for i in range(len(list1)):
result.append(list1[i] + list2[i])
# Measure execution time for NumPy vectorized approach
numpy_time = timeit.timeit(numpy_vectorized, number=100)
# Measure execution time for traditional loop-based approach
loop_time = timeit.timeit(loop_based, number=100)
print(f"NumPy Vectorized Approach: {numpy_time:.5f} seconds")
print(f"Traditional Loop-Based Approach: {loop_time:.5f} seconds")
Output:
NumPy Vectorized Approach: 0.30273 seconds
Traditional Loop-Based Approach: 17.91837 seconds
可以看到NumPy向量化方法對于大數據集的速度要快得多，因為它的矢量化操作是經過優化的。
向量化加速代碼的原理
向量化為加快代碼速度提供了幾個優勢:
減少循環開銷:在傳統循環中，存在與管理循環索引和檢查循環條件相關的開銷。通過向量化，可以消除這些開銷，因為這些操作應用于整個數組。
優化的低級指令:像NumPy這樣的庫使用優化的低級指令(例如，現代cpu上的SIMD指令)來對數組執行操作，充分利用硬件功能。這可以顯著提高速度。
并行性:一些向量化操作可以并行化，這意味著現代處理器可以同時執行多個操作。這種并行性進一步加快了計算速度。
總結
Pandas和NumPy等庫中的向量化是一種強大的技術，可以提高Python中數據操作任務的效率?？梢砸愿叨葍灮姆绞綄φ麄€列或數據集合執行操作，從而生成更快、更簡潔的代碼。所以無論是在處理基本算術、自定義函數還是條件操作，利用向量化都可以極大地改進數據分析工作流。
