为何Pandas中循环计算可行而直接计算失效？

为什么直接计算失效？ #

math.sqrt()是Python基础库的函数，只能处理单个浮点数，而你代码里b*b-4.0*a*(c-grid['Distance'])得到的是一个Pandas Series（一整列数据），把Series传给math.sqrt()自然会报错——它没法把一整列数据转成单个浮点数。

为什么移除sqrt后能运行？ #

Pandas本身支持向量式运算，加减乘除这些操作可以直接对整个Series批量处理，不需要逐个元素操作，所以去掉math.sqrt()后，剩下的运算都能正常批量执行（只是结果不对，因为少了开根号步骤）。

为什么循环可行但效率低？ #

循环里每次都取了Series的单个元素（grid['Distance'].iloc[i]），传给math.sqrt()的是单个浮点数，符合函数要求，所以能得到正确结果。但循环遍历DataFrame是效率最低的方式，数据量越大，运行速度越慢。

正确的高效实现方式 #

改用支持向量运算的工具，两种写法都能批量处理整列数据，效率和循环天差地别：

方法1：使用NumPy的sqrt函数

import numpy as np

grid['Conf'] = (-b + np.sqrt(b*b - 4.0*a*(c - grid['Distance'])))/(2.0*a)

方法2：使用Pandas Series的sqrt方法

grid['Conf'] = (-b + (b*b - 4.0*a*(c - grid['Distance'])).sqrt())/(2.0*a)

这两种写法都能得到和循环一样的正确结果，同时充分利用Pandas/NumPy的向量化运算优化，速度比循环快几十甚至上百倍。

内容的提问来源于stack exchange，提问作者chadn