資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法學研究Pandas DataFrame中整數最快轉換為字串的方法
在Python中，有很多方法可以將Pandas DataFrame中的整數轉換為字串，例如astype()方法、apply()方法、map()方法、列表推導式等等。在所有這些方法中，可以透過跟蹤每種方法的轉換時間來確定將Pandas DataFrame中的整數轉換為字串的最快方法。在本文中，我們將瞭解如何使用所有四種方法將Pandas DataFrame中的整數轉換為字串，然後跟蹤每種方法的轉換時間。
方法一：使用列表推導式方法
在這種方法中，我們透過迭代整數列並將每個整數轉換為字串值來建立字串值列表，使用列表推導式。
示例
在下面的示例中，我們建立了一個包含整數值的示例Pandas DataFrame。為了將這些值轉換為字串值，我們使用列表推導式建立一個字串值列表，並將字串值列表賦給整數列。
import pandas as pd
# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})
# create a list of string values using a list comprehension
str_list = [str(i) for i in df['int_column']]
# assign the list of string values to the integer column
df['int_column'] = str_list
# print the data frame
print(df)
輸出
int_column 0 1 1 2 2 3 3 4 4 5
方法二：使用astype()方法
astype()方法將整列從一種資料型別轉換為另一種資料型別。然後將該列的每個元素從一種資料型別強制轉換為另一種資料型別。
示例
在下面的示例中，我們建立了一個包含整數列的示例DataFrame，然後使用astype()函式將該列轉換為字串。
import pandas as pd
# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})
# convert the integer column to a string column
df['int_column'] = df['int_column'].astype(str)
# print the data frame
print(df)
輸出
int_column 0 1 1 2 2 3 3 4 4 5
方法三：使用apply()方法
apply方法對列的每個元素應用一個函式。使用lambda函式，我們可以將其應用於列的每個元素，並將其從整數轉換為字串。
示例
在下面的示例中，我們建立了一個包含整數列的示例DataFrame，然後定義一個lambda函式來將整數轉換為字串，並將該lambda函式應用於該列的每個元素。
import pandas as pd
# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})
# define a lambda function to convert integers to strings
int_to_str = lambda x: str(x)
# apply the lambda function to the integer column
df['int_column'] = df['int_column'].apply(int_to_str)
# print the data frame
print(df)
輸出
int_column 0 1 1 2 2 3 3 4 4 5
方法四：使用map()方法
map()方法也可以對映到列的每個元素。可以建立一個lambda函式來將整數轉換為字串值，並將其對映到整數列。
示例
import pandas as pd
# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]})
# define a lambda function to convert integers to strings
int_to_str = lambda x: str(x)
# map the lambda function to the integer column
df['int_column'] = df['int_column'].map(int_to_str)
# print the data frame
print(df)
輸出
int_column 0 1 1 2 2 3 3 4 4 5
比較所有四種方法
我們可以編寫一段程式碼來測量每種方法在Pandas DataFrame中將整數轉換為字串所花費的時間。花費時間最少的方法就是最快的方法。
示例
import pandas as pd
import time
import pandas as pd
import time
# create a sample data frame with an integer column
df = pd.DataFrame({'int_column': [1, 2, 3, 4, 5]*10000})
# Method 1: Using the astype() method
start_time = time.time()
df['int_column'] = df['int_column'].astype(str)
method1_time = time.time() - start_time
print("Time taken for Method 1: ", method1_time)
# Method 2: Using the apply() method
start_time = time.time()
int_to_str = lambda x: str(x)
df['int_column'] = df['int_column'].apply(int_to_str)
method2_time = time.time() - start_time
print("Time taken for Method 2: ", method2_time)
# Method 3: Using the map() method
start_time = time.time()
int_to_str = lambda x: str(x)
df['int_column'] = df['int_column'].map(int_to_str)
method3_time = time.time() - start_time
print("Time taken for Method 3: ", method3_time)
# Method 4: Using the list comprehension
start_time = time.time()
str_list = [str(i) for i in df['int_column']]
df['int_column'] = str_list
method4_time = time.time() - start_time
print("Time taken for Method 4: ", method4_time)
# Determine the fastest method
times = {'Method 1': method1_time,
'Method 2': method2_time,
'Method 3': method3_time,
'Method 4': method4_time}
fastest_method = min(times, key=times.get)
print("The fastest method is:", fastest_method)
輸出
Time taken for Method 1: 0.03693246841430664 Time taken for Method 2: 0.023466110229492188 Time taken for Method 3: 0.02350783348083496 Time taken for Method 4: 0.027480602264404297 The fastest method is: Method 3
上面的輸出顯示，最快的方法是apply()方法。
結論
在Pandas DataFrame中將整數轉換為字串的最快方法是apply()方法。在本文中，我們瞭解了在Pandas DataFrame中將整數轉換為字串的所有方法，並比較了所有方法以找出最快的方法。
3000+ 次瀏覽
