如何提高pandas中映射函数到数据框列的计算速度

import pandas as pd
import numpy as np

# 定义需要映射的函数
def my_function(x):
    # 进行一些操作
    return x * 2

# 创建数据框
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5]})

# 向量化函数
vectorized_function = np.vectorize(my_function)

# 将函数应用于数据框的某一列
df['col1'] = vectorized_function(df['col1'])

import pandas as pd
import numba as nb

# 定义需要映射的函数（纯粹函数）
@nb.jit
def my_function(x):
    # 进行一些操作
    return x * 2

# 创建数据框
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5]})

# 将函数应用于数据框的某一列
df['col1'] = df['col1'].apply(my_function)

import pandas as pd
import numpy as np

# 定义需要映射的函数
def my_function(x):
    # 进行一些操作
    return x * 2

# 创建数据框
df = pd.DataFrame({'col1': [1, 2, 3, 4, 5]})

# 定义NumPy通用函数
vectorized_function = np.frompyfunc(my_function, 1, 1)

# 将函数应用于数据框的某一列
df['col1'] = vectorized_function(df['col1'])