本文章主要给大家介绍使用pandas处理数据的技巧，即apply函数的妙用，apply函数用好了计算的速度可以成倍增加，Pandas是为一次性处理整个行或列的矢量化操作而设计的，apply会在内部尝试Cython迭代器，因此速度会提升，如果能够用矢量化的操作，那么速度将会更快。

目录

excel是我们在办公过程中非常常用数据存储和处理的软件，但是有些功能excel在使用的过程中，确实会不如python方便，而且尤其是涉及多个excel之间数据交互，并且需要我们实现一些Vlookup等excel自带函数无法做到的事情时。

当我们需要这样处理数据，并且数据量非常大的时候，我们就可以选择pandas，上篇我已经讲过如何处理时间类型的数据了，在此铺垫之上，本篇讲解如何巧妙的使用pandas模块中的apply函数，来大幅提高数据处理的效率。没有了解过的同学可以先点赞收藏本文章，去看下如何使用时间函数哦。有任何疑问欢迎在评论区留言或者私信我 @风翼之痕 。

如下图所示，apply函数常用的就是这三个参数，还有几个不是很常用。其解释也如图中所示：

其中result_type参数是从版本0.23.0开始加入的参数，只有当axis=1时，该参数才会生效。取值范围为： {'expand', 'reduce', 'broadcast', None}, 默认值为None：

该部分内容，主要参考的是pandas内的源码解析，感兴趣的小伙伴可以自己去源码中看看

使用np.sqrt函数对dataframe数据求解平方根，当不对axis赋值时，默认为0，也就是列方向；apply函数会将func用到所有的数中去

该类型的函数，应用完成之后，会返回一个series序列，而不会再返回一个dataframe.

该参数主要涉及reduce和expand，broadcast这三个参数，主要是用于函数返回值不是单一数值，是一个列表的时候使用的。

下面这个是我在工作中实际处理问题中总结出来的案例。该案例数据量不算很大，大约是2.5万条数据吧，如果累积的时间再长些，会更多。

不使用apply函数时，使用我的台式机计算时间约为96.6秒；

使用apply函数，同样的机子，跑完需要22.5秒；

计算效率大约提升了4倍多。

本人主要从事物流领域，就从自己领域出发，图1为货物订单的主要信息，包含货物实际出库时间和计划出库时间，另个主要信息。

首先明确一个概念：因为仓储库房是接近24小时在出库，所以每天的8:00开始到第二天的6:00算作同一个出库日，即算作一天。因此需要对已有的数据进行处理，尤其是要用到时间处理函数。（如5月26日8:00-5月27日6:00，这段时间内出库的货物，都算作5月26日出库的，依据此来考核KPI）

意义：主要是考核订单出库的准确率，以此来衡量物流秩序的稳定性。

依据计划出库时间-实际出库时间=订单出库日差值公式计算，正常有如下图所示，订单实际未出库、延迟出库、准时出库和提前出库四种情况。

但是存在图中标橙色的四种特殊情况，这四种情况考虑过后，就可以直接返回实际差值了。其中订单实际未交付时，出库时间就会为0，这样订单出库日差值就为空，对于这样的情况，返回差值为404.

根据上面的分析，通过自定义函数，可以实现对时间的分情况处理。函数的逻辑，如下所示：

定义好上面的函数之后，就可以读取excel中的数据，并对引用daypro函数对数据进行处理了。

接着对实际出库时间进行处理，得到实际的订单出库时间：

函数逻辑：提取订单实际出库时间的小时，若大于6点，返回当前日期，否则返回当前日期-1天。

最后可以将表格输出，其中蓝色部分为得到的结果，可以得到天数差值和订单实际出库日这两列的信息，得到了想要的结果。

关于apply函数的应用就讲这么多，在使用pandas进行数据处理的时候，一定要避免使用for循环从dataframe中一个个取值，然后计算，然后返回列表，再转为dataframe，这样的话计算的速度会很低，效率很低。所以一定要使用apply函数，提高计算速度。即使百万数据又何惧。如果本文对你有用，欢迎点赞收藏支持下，有任何疑问，欢迎在评论区交流，或者直接私信我 @风翼之痕 。

最后，大家一定要重视Python基础的学习，不积跬步，无以至千里。基础掌握的好，很多程序都可以更简洁，运行更快。你可以到盐选会员专区学习下，里面有许多Live课程讲的还不错，并且专栏也收录了许多优质的问题和回答，还有丰富的电子书，可以直接阅读。对开拓眼界，提高编程技巧很有助益。