我正在处理一个大约3200万行的数据集：

RangeIndex: 32084542 entries, 0 to 32084541df.head()        time                        device      kpi                                 value0   2020-10-22 00:04:03+00:00       1-xxxx  chassis.routing-engine.0.cpu-idle   1001   2020-10-22 00:04:06+00:00       2-yyyy  chassis.routing-engine.0.cpu-idle   972   2020-10-22 00:04:07+00:00       3-zzzz  chassis.routing-engine.0.cpu-idle   1003   2020-10-22 00:04:10+00:00       4-dddd  chassis.routing-engine.0.cpu-idle   934   2020-10-22 00:04:10+00:00       5-rrrr  chassis.routing-engine.0.cpu-idle   99

我的目标是创建一个名为“role”的新列，并根据正则表达式填充数据

我的方法如下

def router_role(row):    if row["device"].startswith("1"):        row["role"] = '1'    if row["device"].startswith("2"):        row["role"] = '2'    if row["device"].startswith("3"):        row["role"] = '3'    if row["device"].startswith("4"):        row["role"] = '4'    return row

然后，

df = df.apply(router_role,axis=1)

然而，这花了很长时间…有没有其他可能的方法？

谢谢

回答：

Apply函数非常慢，而且效果通常不佳。可以尝试以下方法：

df['role'] = df['device'].str[0]