编辑 - 查看二战解决方案
二战解决方案显然是 OP 和我的赢家。
他的解决方案运行速度比我自己的快 2 倍：
df['output'] = 1 * (df['Col1'] > today)
这也是一个非常简洁的方法，因为您所做的只是将 1 与 1 或 0 相乘，从而得出将日期列与今天的日期进行比较的真值。
这是一个非常有趣的问题，所以我进行了一些测试。
我创建了一个包含 100 万行日期的空数据框。
starting_date = datetime(200, 1, 1, 00, 00)
end_date = datetime(3000,1, 1, 00, 00)
index = 1
date_values = []
def daterange(start_date, end_date):
for n in range(int ((end_date - start_date).days)):
yield start_date + timedelta(n)
date_values = [_date for _date in daterange(starting_date, end_date)]
date_col = {'Col1': date_values}
df = pd.DataFrame(date_col)
我们将进入未来的男孩。
现在，我运行的两个测试比较了 OP 提供的解决方案的功能运行时间，以及我在下面发布的解决方案。
我们假设日期是有序的
测试 1 - OP 的解决方案
start_time = time.time()
df['output'] = df['Col1'].apply(lambda x: 1 if x > today else 0)
print("--- %s seconds ---" % (time.time() - start_time))
测试 2 - 我的解决方案
start_time = time.time()
df['output'] = 1
df.loc[df['Col1'] < today, 'output'] = 0
print("--- %s seconds ---" % (time.time() - start_time))
结果
每个函数运行 10 次后，第二个解决方案每次都获胜。为什么？老实说，我不知道。
我认为我们可以很好地猜测，在根据条件为列分配常量值时，pandas 并没有执行线性搜索，如第二个解决方案所示。
Soltuion 1
--- 0.36346006393432617 seconds ---
Solution 2
--- 0.13942289352416992 seconds ---
Soltuion 1
--- 0.4605379104614258 seconds ---
Solution 2
--- 0.12388873100280762 seconds ---
Soltuion 1
--- 0.34688305854797363 seconds ---
Solution 2
--- 0.0912778377532959 seconds ---
Soltuion 1
--- 0.2879600524902344 seconds ---
Solution 2
--- 0.08435988426208496 seconds ---
Soltuion 1
--- 0.3161609172821045 seconds ---
Solution 2
--- 0.0965569019317627 seconds ---
Soltuion 1
--- 0.31951212882995605 seconds ---
Solution 2
--- 0.08857107162475586 seconds ---
Soltuion 1
--- 0.2996959686279297 seconds ---
Solution 2
--- 0.16647815704345703 seconds ---
Soltuion 1
--- 0.5074219703674316 seconds ---
Solution 2
--- 0.13281011581420898 seconds ---
Soltuion 1
--- 0.3716299533843994 seconds ---
Solution 2
--- 0.0970299243927002 seconds ---
Soltuion 1
--- 0.29851794242858887 seconds ---
Solution 2
--- 0.08089780807495117 seconds ---
需要考虑的事项 - 两个测试中的日期都是有序的。如果您以完整、随机的顺序收到它们会怎样？
我们首先随机化数据集：
df = df.sample(frac=1)
然后运行完全相同的测试。
Soltuion 1
--- 0.6548967361450195 seconds ---
Solution 2
--- 0.22769808769226074 seconds ---
Soltuion 1
--- 0.7096188068389893 seconds ---
Solution 2
--- 0.28220510482788086 seconds ---
Soltuion 1
--- 0.7588798999786377 seconds ---
Solution 2
--- 0.25870585441589355 seconds ---
Soltuion 1
--- 0.6285257339477539 seconds ---
Solution 2
--- 0.3373727798461914 seconds ---
Soltuion 1
--- 0.7623891830444336 seconds ---
Solution 2
--- 0.18880391120910645 seconds ---
Soltuion 1
--- 0.5125689506530762 seconds ---
Solution 2
--- 0.23384499549865723 seconds ---
Soltuion 1
--- 0.6188468933105469 seconds ---
Solution 2
--- 0.25000977516174316 seconds ---
Soltuion 1
--- 0.6692302227020264 seconds ---
Solution 2
--- 0.5207180976867676 seconds ---
Soltuion 1
--- 1.2534172534942627 seconds ---
Solution 2
--- 0.2665679454803467 seconds ---
Soltuion 1
--- 0.6374101638793945 seconds ---
Solution 2
--- 0.2108619213104248 seconds ---
解决办法
由于您所做的只是检查日期是否小于今天的日期，因此创建一个新列并添加一个常数 1 或 0。
让我们首先将常量添加到列中。
df['Output'] = 1
现在，我们要做的就是找到日期小于当前日期的点。
首先，我们应该将 Col1 的日期类型更改为日期时间，以确保我们可以进行正确的比较。
df['Col1'] = pd.to_datetime(df['Col1'], format="%Y-%M-%d)
然后，我们查看每个小于今天的日期，并将输出更改为 0。
df.loc[df['Col1'] < today.date(), 'Output'] = 0