Pandas:如何使用Numpy函数而不是Lambda函数来获得相同的结果(因为Numpy更快)？

import pandas as pd

# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])

# 使用Lambda函数加倍每个数字
s_doubled = s.apply(lambda x: x * 2)

print(s_doubled)

0     2
1     4
2     6
3     8
4    10
dtype: int64

import pandas as pd
import numpy as np

# 创建一个示例Series
s = pd.Series([1, 2, 3, 4, 5])

# 定义一个Numpy函数来加倍每个数字
def double(x):
    return np.multiply(x, 2)

# 使用np.vectorize将Numpy函数转换为可应用于Pandas Series的函数
v_double = np.vectorize(double)

# 应用Numpy函数到Series
s_doubled = pd.Series(v_double(s))

print(s_doubled)

0     2
1     4
2     6
3     8
4    10
dtype: int64