为何Pandas str.count比apply更慢？测试结果与认知不符

我正在处理一个大型数据集，重点关注以下两列：

我希望创建一个新列，统计Genotype列中包含多少个1。

尝试的两种方法 #

方法1：使用Pandas内置str模块 #

%%timeit
total_df['Count_1'] = total_df['Genotype'].str.count('1')

性能结果：10.9 s ± 183 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

方法2：使用apply()方法 #

%%timeit
total_df['Count_1'] = total_df['Genotype'].apply(lambda x: x.count('1'))

性能结果：2.63 s ± 13.8 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

疑问 #

第二种方法性能有显著提升，但根据认知，apply()方法通常比Pandas内置向量化方法更慢，我忽略了什么？

补充说明：使用的Pandas版本为pd.__version__ = 2.0.3

内容的提问来源于stack exchange，提问作者Tamames