如何改进python中的for循环答案

【问题标题】：how to improve for loop in python如何改进python中的for循环
【发布时间】：2020-08-06 14:56:27
【问题描述】：

我有这个代码：

    for row in range(len(df[col])):
        df[col][row] = int(df[col][row].replace(',','')) 
    df[col] = df[col].astype(int)
    df[col] = np.round(df[col]/500)*500  #rounds the numbers to the closest 500 multiple.
    df[col] = df[col].astype(int) #round returns a float, this turns it back to int after rounding

在 for 循环中：df[col][row].replace(',','') 基本上从存储为对象的数字中删除逗号，例如 1,430，然后将其转换为 int，例如 1430

然后我必须添加 df[col] = df[col].astype(int) 因为否则，以下 np.round() 会引发错误：'float' object has no attribute 'rint'

问题是，在 np.round() 之后，我必须再次添加 .astype(int)，因为我拥有的回合返回一个浮点数，但我想要整数。

我看到它的执行时间相当长，即使我的数据框只有 32 x 17

还有什么我可以改进的吗？？

【问题讨论】：

嗨，欢迎来到 SO，请参阅 How to Ask 和 minimal reproducible example - 你也不需要循环 - df[col].replace(',','').astype(int) 但不确定你要完全尝试什么
这能回答你的问题吗？ Convert Pandas Dataframe to Float with commas and negative numbers，然后就用astype(int)

标签： python pandas

【解决方案1】：

使用 lambda 函数 df[col].apply(lambda x: x.str.replace(',','')) 进行更通用的替换会更合适且更省时吗？

这样的单班轮会不会产生你所追求的东西？

df['col'] = (df['col'] / 500).astype(int) * 500

【讨论】：

指定col时不需要使用apply，可以使用df[col].str.replace(',','');)

【解决方案2】：

不要那样做for row in range(len(df[col])): 这样做：for row in df[col]

或者用这个代替那个：

用它来实际用另一个字符串替换字符串：DataFrame.replace

或更好地使用 lambda：DataFrame.apply (Example here)

【讨论】：