牛逼！一行代码让 pandas 的 apply 速度飙到极致！
来源：Python数据科学
作者：东哥起飞
文末赠送5本新书
《Python开发技术大全》
前几天，分享了一篇文章，是关于替代pandas的工具vaex。vaex利用了内存映射的原理，所以比pandas能快上几百倍，但是vaex目前功能有限，所以暂时pandas还是无法撼动的。
1. pandas提速的方法回顾
如果想要让pandas提速，东哥总结有两个方法：
1. 向量化
向量化是最优的方法，具体用法参考文章：还在抱怨pandas运行速度慢？这几个方法会颠覆你的看法。
举个例子，我们将向量化定义为使用Numpy表示整个数组而不是元素的计算。下面有两个数组：
array_1 = np.array([1,2,3,4,5])
array_2 = np.array([6,7,8,9,10])
我们希望创建一个新数组，该数组是两个数组的总和，结果应该是：
result = [7,9,11,13,15]
当然，我们也可以在Python中使用for循环将这些数组求和，但这非常慢。替代的是，Numpy允许我们直接在阵列上进行操作，这要快得多，尤其是大型阵列。
result = array_1 + array_2
2. 并行化
本次给大家分享一个神器 Swifter，可以自动让apply的运行速度达到最快，并且只需要一行代码！
2. Swifter介绍
import swifter
df.swifter.apply(lambda x: x.sum() - x.min())
文末赠书福利
赠送书籍《Python开发技术大全》5本，此书564页！由「机械工业出版社」赞助提供，如果等不及也可以入手一本学习。
介绍：本书从Python 语言的基础语法讲起，逐步深入地介绍了Python各种库，并且介绍了这些库的实战案例，重点介绍了爬虫开发， GUI应用程序开发，容器管理， Redis数据库操作以及数据处理和神经网络方面的内容。让读者不但可以系统地学习Python编程的相关知识，而且还能对Python在各个领域的应用有更为深入的理解。
用了这个jupyter插件，我已经半个月没打开过excel了
双系统的日子结束了：Windows 和 Linux 将合二为一