apply(..., axis=1), iterrows(), dan loop for memanggil fungsi Python satu kali per baris. Operasi kolom justru menyerahkan seluruh kolom ke kode terkompilasi, yang pada tabel besar sering kali puluhan hingga ratusan kali lebih cepat. Sebagian besar kode baris demi baris punya versi yang divektorisasi:
| Baris demi baris |
Divektorisasi |
df.apply(lambda r: r["a"] * r["b"], axis=1) |
df["a"] * df["b"] |
apply dengan if/else |
np.where(condition, if_true, if_false) |
if/elif/elif |
np.select([cond1, cond2], [label1, label2], default=...) |
| loop yang menjumlahkan per key |
groupby(...).sum() |
apply(lambda s: s.upper()) pada teks |
.str.upper() |
np.select memakai kondisi pertama yang bernilai True, jadi taruh yang paling ketat lebih dulu. iterrows punya jebakan kedua: setiap baris dikembalikan sebagai satu Series, sehingga pada tabel dengan bilangan bulat dan desimal, units datang sebagai desimal.
Satu if/else di setiap baris, tanpa loop.