apply(..., axis=1), iterrows() y los bucles for llaman a una función de Python una vez por fila. En cambio, las operaciones de columna pasan la columna completa a código compilado, lo que en una tabla grande suele ser entre decenas y cientos de veces más rápido. La mayoría del código que opera fila por fila tiene una versión vectorizada:
| Fila por fila |
Vectorizado |
df.apply(lambda r: r["a"] * r["b"], axis=1) |
df["a"] * df["b"] |
apply con if/else |
np.where(condition, if_true, if_false) |
if/elif/elif |
np.select([cond1, cond2], [label1, label2], default=...) |
| Un bucle que suma por clave |
groupby(...).sum() |
apply(lambda s: s.upper()) sobre texto |
.str.upper() |
np.select usa la primera condición que sea True, así que coloca primero la más restrictiva. iterrows tiene otro inconveniente: cada fila se devuelve como una Series, por lo que, en una tabla con números enteros y decimales, units se recibe como decimal.
Un if/else en cada fila, sin bucles.