通过示例理解Pandas向量化操作：元素判断实现及与循环的差异

一、实现逐元素判断的方法 #

1. 计算目标列的均值 #

首先取DataFrame的第一列（默认列名为0）计算平均值：

mean_val = df[0].mean()

2. 生成flag列 #

利用Pandas的向量化比较特性，直接对整列进行判断，再将布尔结果转为整数（True对应1，False对应0）：

df["flag"] = (df[0] >= mean_val).astype(int)

执行后即可得到预期的flag列：[0,0,0,0,0,1,1,1,1,1]

也可以用numpy.where实现相同逻辑：

import numpy as np
df["flag"] = np.where(df[0] < mean_val, 0, 1)

二、向量化操作与循环的差异 #

• 性能差距极大：向量化操作由底层C语言实现批量运算，跳过Python层面的逐行遍历，处理大数据量时速度远超循环。比如用循环实现的写法（不推荐）：

  df["flag"] = 0
  for idx in df.index:
      if df.loc[idx, 0] >= mean_val:
          df.loc[idx, "flag"] = 1
  

  当DataFrame行数达到十万级时，循环会卡顿明显，而向量化操作几乎瞬间完成。
• 代码更简洁可读：向量化操作一行代码完成逻辑，无需嵌套循环结构，意图一目了然。
• 内存效率更高：向量化操作依托Pandas/Numpy的内存优化机制，避免循环中频繁的内存读写，降低内存占用。

内容的提问来源于stack exchange，提问作者Vitomir