Vectorization बनाम Loops
Vectorized operations तेज़ compiled code में चलते हैं, जबकि rows पर Python loops कहीं ज़्यादा धीमे होते हैं।
In this page:
Syntax
df["result"] = df["column"] * 2
df["result"] = np.where(condition, value1, value2)vectorization vs loops
df["a"] * 2 या np.where जैसे whole-column operations Python loops के overhead से बचते हैं। iterrows और manual loops आमतौर पर 10 से 100 गुना धीमे होते हैं। पहले built-ins का उपयोग करें, फिर apply, और loops को आखिर में।
Note:
अगर आप खुद को iterrows लिखते पाएं, तो vectorized alternative ढूंढें।
उदाहरण: vectorization vs loops
import numpy as np
import pandas as pd
df = pd.DataFrame({"a": range(1, 6)})
looped = [x * 2 for x in df["a"]]
vector = df["a"] * 2
df["size"] = np.where(df["a"] > 3, "big", "small")
print(looped == vector.tolist())
print(df)
# Output:
# True
# a size
# 0 1 small
# 1 2 small
# 2 3 small
# 3 4 big
# 4 5 bigRelated Topics
{# common_mistakes/chapter_summary/browser_support: on Hindi pages the
view already swaps in the hi_ translation fields (or blanks these
out if untranslated), so this renders correctly for both languages
without a lang_code check here. #}
आम गलतियां
- calculations के लिए iterrows का उपयोग करना
- DataFrames को row by row बढ़ाना
- vectorized method होने पर भी apply का उपयोग करना
चैप्टर सारांश
- पूरे columns को vectorize करें
- Loops कहीं ज़्यादा धीमे हैं
- np.where if/else की जगह लेता है
- Loops को आखिरी उपाय के रूप में उपयोग करें
🔒
Chapter Quiz — Complete all 6 topics to unlock
0/6 topics done
Complete these topics first: