【问题标题】：python performance problems while classifing column values分类列值时的python性能问题
【发布时间】：2017-12-17 13:05:56
【问题描述】：

这个问题与我之前的问题密切相关： here
抱歉，我又要问了！

下面的代码正在运行并提供正确的结果，但它再次有点慢（80K 行需要 4 分钟）。我在将 Pandas 的 Series 类用于具体值时遇到问题。有人可以推荐我如何对这些列进行分类吗？

在纪录片中找不到相关信息：
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.html

运行代码：

# p_test_SOLL_test_D10

for x in range (0,len(tableContent[6])):
    var = tableContent[6].loc[x, ('p_test_LAENGE')]
    if float(tableContent[6].loc[x, ('p_test_LAENGE')])>=100.0:
        tableContent[6].loc[x, ('p_test_LAENGE')]='yes'
    elif (float(tableContent[6].loc[x, ('p_test_LAENGE')]) <30.0 and float(tableContent[6].loc[x, ('p_test_LAENGE')]) >= 10):
        tableContent[6].loc[x, ('p_test_LAENGE')]='yes2'
    elif (float(tableContent[6].loc[x, ('p_test_LAENGE')]) <10.0 and float(tableContent[6].loc[x, ('p_test_LAENGE')]) >= 5):
        tableContent[6].loc[x, ('p_test_LAENGE')]='yes3'
    else:
        tableContent[6].loc[x, ('p_test_LAENGE')]='no'

print (tableContent[6]['p_test_LAENGE'])

系列尝试：

if tableContent[6]['p_test_LAENGE'].astype(float) >=100.0:
    tableContent[6]['p_test_LAENGE']='yes'
elif (tableContent[6]['p_test_LAENGE'].astype(float) <30.0 and tableContent[6]['p_test_LAENGE'].astype(float) >= 10):
    tableContent[6]['p_test_LAENGE']='yes1'
elif (tableContent[6]['p_test_LAENGE'].astype(float) <10.0 and tableContent[6]['p_test_LAENGE'].astype(float) >= 5):
    tableContent[6]['p_test_LAENGE']='yes2'
else:
    tableContent[6]['p_test_LAENGE']='no'


print (tableContent[6]['p_test_LAENGE'])

【问题讨论】：

有更多经验丰富的人使用 Pandas（可能现在正在看这个问题）。所以，我什至不会尝试给你一个规范的方法。但是，您上一个问题中的建议提到了“矢量化”和“取消循环”。如果您使用for 循环，它们大约在Python 时间内运行（计算上），您最好不要为numpy 或pandas 而烦恼，只需使用香草python。它需要转变思维，在继续之前，这里有几个教程可能适合您。

标签： python pandas data-science-experience

【解决方案1】：

我没有你的df 来测试，所以你需要修改下面的代码。假设df 的最小值大于10e-7 而df 的最大值小于10e7

bin = [10e-7,5,10,30,100,10e7]
label = ['no','yes2','yes1','no','yes']
df['p_test_LAENGE_class'] = pd.cut(df['p_test_LAENGE'], bins=bin, labels=label)

希望对你有帮助

【讨论】：

谢谢！切割方法是我一直在寻找的！