apply(..., axis=1), iterrows() e os loops for chamam uma função do Python uma vez por linha. As operações de coluna, em vez disso, entregam a coluna inteira a código compilado, o que em uma tabela grande costuma ser de dezenas a centenas de vezes mais rápido. A maior parte do código que opera linha por linha tem uma versão vetorizada:
| Linha por linha |
Vetorizado |
df.apply(lambda r: r["a"] * r["b"], axis=1) |
df["a"] * df["b"] |
apply com if/else |
np.where(condition, if_true, if_false) |
if/elif/elif |
np.select([cond1, cond2], [label1, label2], default=...) |
| Um loop que soma por chave |
groupby(...).sum() |
apply(lambda s: s.upper()) em texto |
.str.upper() |
np.select usa a primeira condição que for True, então coloque primeiro a mais restritiva. iterrows tem outra armadilha: cada linha é retornada como uma Series, então, em uma tabela com números inteiros e decimais, units chega como decimal.
Um if/else em cada linha, sem loops.