팬더 데이터 프레임에 벡터화 된 기능을 적용 할 수 있습니까?

Question

저는 pandas과 numpy을 처음 접했고 몇 가지 일을하는 가장 좋은 방법을 찾아 내려고했습니다.

지금은 dataframe의 모든 행에서 함수를 호출하려고합니다. 이 함수에 세 개의 numpy 배열을 전달하면 매우 빠르지 만 dataframe에 apply을 사용하면 속도가 매우 느립니다.

내 생각에 numpy은 첫 번째 경우에는 벡터화 된 기능을 사용하고 두 번째 경우에는 그렇지 않습니다. 해당 최적화를 사용하려면 pandas을 얻을 수있는 방법이 있습니까? 기본적으로, 의사 코드에서 나는 for row in frame: func(row['a'], row['b'], row['c']) 같은 것을하고 있다고 생각하지만 func(col['a'], col['b'], col['c'])을하고 싶습니다.

다음은 내가하려는 일의 예입니다.

import numpy as np 
import pandas as pd 
from scipy.stats import beta 

count = 100000 

# If I start with a given dataframe and use apply, it's very slow 

df = pd.DataFrame(np.random.uniform(0, 1, size=(count, 3)), columns=['a', 'b', 'c']) 
df.apply(lambda frame: beta.cdf(frame['a'], frame['b'], frame['c']), axis=1) 

# However, if I split out each column into a numpy array, this is very fast. 

a = df['a'].as_matrix() 
b = df['b'].as_matrix() 
c = df['c'].as_matrix() 

beta.cdf(a, b, c) 

# But at this point I've lost the context of the dataframe. 
# I would like to keep the results in a new column for further processing 

Answer 1

왜 apply을 사용하려고하는지 명확하지 않습니다. beta.cdf(df.a, df.b, df.c)을 사용해도됩니다.