如何应用Numpy矢量化而不是应用函数

Question

我有一个pandas Dataframe，如下所示

data = {
'ID' : [0,0,0,0,0,1],

'DAYS': [293,1111,3020,390,210,10],

}

df = pd.DataFrame(data, columns = ['ID','DAYS'])
ID  DAYS
0   0   293
1   0   1111
2   0   3020
3   0   390
4   0   210
5   1   10

我要做的是简单的应用函数，具有以下条件和输出列为布尔值:

df['bool'] = df.apply(lambda x:( x['DAYS'] < 365),axis =1  )

，我想优化这个apply-lambda部分。在numpy数组

中

df['bool_numpy'] = np.where(df['DAYS'] <365 ,True ,False)

但是我正在努力为np应用同样的东西。vectorize方法。

def copy_filter(df):
if df['DAYS'] <365:
return True
else:
return False
a= np.vectorize(copy_filter, otypes = [bool])
df['bool_vectorize'] = a(df['DAYS'])

却给了我一个错误。任何帮助都会很感激。而且，任何其他的优化技术在这个问题上也会很好!

Answer 1

您不需要apply或vectorize:

df['bool'] = df['DAYS'] < 365

输出:

ID  DAYS   bool
0   0   293   True
1   0  1111  False
2   0  3020  False
3   0   390  False
4   0   210   True
5   1    10   True

Answer 2

将函数更改为

def copy_filter(x):
if x <365:
return True
else:
return False
a= np.vectorize(copy_filter, otypes = [bool])
df['bool_vectorize'] = a(df['DAYS'])
df
ID  DAYS  bool_vectorize
0   0   293            True
1   0  1111           False
2   0  3020           False
3   0   390           False
4   0   210            True
5   1    10            True