パンダのデータフレームにベクトル化された関数を適用できますか？

Question

私はpandasとnumpyにかなり新しく、いくつかのことをする最善の方法を見つけようとしています。

今私はdataframeのすべての行で関数を呼び出そうとしています。この関数に3つのnumpy配列を渡すと非常に高速ですが、dataframeのapplyを使用すると非常に遅いです。

私の推測では、numpyは、ベクトル化された関数を最初のケースで使用し、2番目のケースでは使用していないと思われます。その最適化をpandasに使用する方法はありますか？基本的には、擬似コードではfor row in frame: func(row['a'], row['b'], row['c'])のようなものをapplyがやっていると思うが、それはfunc(col['a'], col['b'], col['c'])としたい。

ここに私がしようとしているものの例があります。

import numpy as np 
import pandas as pd 
from scipy.stats import beta 

count = 100000 

# If I start with a given dataframe and use apply, it's very slow 

df = pd.DataFrame(np.random.uniform(0, 1, size=(count, 3)), columns=['a', 'b', 'c']) 
df.apply(lambda frame: beta.cdf(frame['a'], frame['b'], frame['c']), axis=1) 

# However, if I split out each column into a numpy array, this is very fast. 

a = df['a'].as_matrix() 
b = df['b'].as_matrix() 
c = df['c'].as_matrix() 

beta.cdf(a, b, c) 

# But at this point I've lost the context of the dataframe. 
# I would like to keep the results in a new column for further processing 

Answer 1

applyを使用しようとする理由は不明です。あなたはただbeta.cdf(df.a, df.b, df.c)をすることができます。