Pandas 在DataFrame中将整数转换为字符串的最快方法

在Python中，有许多方法可以将整数转换为字符串的Pandas Dataframe，如astype（）方法，apply（）方法，map（）方法，列表理解等。在所有这些方法中，可以通过跟踪每种方法所需的转换时间来确定将整数转换为字符串的最快方法。在本文中，我们将了解如何使用这四种方法将整数转换为字符串在pandas数据框中，然后跟踪每种方法的转换时间。

方法1：使用列表理解方法

在此方法中，我们通过迭代整数列并使用列表理解将每个整数转换为字符串值来创建一个字符串值列表。

示例

在下面的示例中，我们创建一个包含整数值的示例pandas数据框。为了将它们转换为字符串值，我们使用列表理解创建一个字符串值列表，并将该列表分配给整数列。

import pandas as pd

# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})

# create a list of string values using a list comprehension
str_list = [str(i) for i in df['int_column']]

# assign the list of string values to the integer column
df['int_column'] = str_list

# print the data frame
print(df)

输出

int_column
0          1
1          2
2          3
3          4
4          5

方法2：使用astype()方法

astype()方法将整个列从一种数据类型转换为另一种数据类型。然后，列的每个元素都从一种数据类型转换为另一种数据类型。

示例

在下面的示例中，我们创建了一个带有整数列的示例数据框，然后使用astype()函数将列转换为字符串。

import pandas as pd

# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})

# convert the integer column to a string column
df['int_column'] = df['int_column'].astype(str)

# print the data frame
print(df)

输出

int_column
0          1
1          2
2          3
3          4
4          5

方法3：使用apply()方法

apply()方法可以将函数应用于列中的每个元素。我们可以使用lambda函数将其应用于列的每个元素并将其从整数转换为字符串。

示例

在下面的示例中，我们创建一个带有整数列的样本数据框，然后定义一个lambda函数将整数转换为字符串，并将该lambda函数应用于列的每个元素。

import pandas as pd

# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})

# define a lambda function to convert integers to strings
int_to_str = lambda x: str(x)

# apply the lambda function to the integer column
df['int_column'] = df['int_column'].apply(int_to_str)

# print the data frame
print(df)

输出

int_column
0          1
1          2
2          3
3          4
4          5

方法4：使用map()方法

map()方法也可以映射到列的每个元素上。可以创建一个lambda函数来将整数转换为字符串值，并映射到整数列上。

示例

import pandas as pd

# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})

# define a lambda function to convert integers to strings
int_to_str = lambda x: str(x)

# map the lambda function to the integer column
df['int_column'] = df['int_column'].map(int_to_str)

# print the data frame
print(df)

输出

int_column
0          1
1          2
2          3
3          4
4          5

比较所有四种方法

我们可以编写一个代码来衡量每种方法将整数转换为字符串在pandas数据框中所花费的时间。花费最少时间的方法将是最快的方法。

示例

import pandas as pd
import time

import pandas as pd
import time

# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]*10000})

# Method 1: Using the astype() method
start_time = time.time()
df['int_column'] = df['int_column'].astype(str)
method1_time = time.time() - start_time
print("Time taken for Method 1: ", method1_time)

# Method 2: Using the apply() method
start_time = time.time()
int_to_str = lambda x: str(x)
df['int_column'] = df['int_column'].apply(int_to_str)
method2_time = time.time() - start_time
print("Time taken for Method 2: ", method2_time)

# Method 3: Using the map() method
start_time = time.time()
int_to_str = lambda x: str(x)
df['int_column'] = df['int_column'].map(int_to_str)
method3_time = time.time() - start_time
print("Time taken for Method 3: ", method3_time)

# Method 4: Using the list comprehension
start_time = time.time()
str_list = [str(i) for i in df['int_column']]
df['int_column'] = str_list
method4_time = time.time() - start_time
print("Time taken for Method 4: ", method4_time)

# Determine the fastest method
times = {'Method 1': method1_time,
      'Method 2': method2_time,
      'Method 3': method3_time,
      'Method 4': method4_time}
fastest_method = min(times, key=times.get)
print("The fastest method is:", fastest_method)

输出

Time taken for Method 1:  0.03693246841430664
Time taken for Method 2:  0.023466110229492188
Time taken for Method 3:  0.02350783348083496
Time taken for Method 4:  0.027480602264404297
The fastest method is: Method 3

以上输出表明，最快的方法是使用apply()方法。