【Python数据清洗】for循环+条件判断 VS 数据向量化

今天（也就是2020年3月26日）重新看了一下《利用Python进行数据分析》第二版然后下午的时候想工作一会就做了一个数据分析，至于我是怎么从1千多亿条数据里面选择出98w符合条件的数据就不赘述了，
最关键的一点就是我使用了一个for循环+条件判断的代码，然后等了大约10分钟左右吧，因为在运行代码的时候跟朋友聊天，感觉都没什么可聊的时候代码才运行完。使用for循环之后，我想起来了python中的numpy这个包是基于向量来做线性运算，类似于R语言的向量，书上说两者相比速度相差300多倍，网上有人说相差500多倍。我自己也找了一个可以替换的函数运行了一下，速度非常快，运行时间等待时间几乎感觉不到，我觉得没有1秒钟。按下运行就出来结果了。让我这个深受for循环折磨的发现了新的大陆。下面就是我写的代码，有兴趣的可以看一下：

利用向量化进行线性运算

df_2=grouped.copy()
df_2['serch']=np.where((df_2['laon_amt']>-0.01)&(df_2['laon_amt']<=5.5),1,\
                       np.where((df_2['laon_amt']>5.5)&(df_2['laon_amt']<=7.5),2,\
                               np.where((df_2['laon_amt']>7.5)&(df_2['laon_amt']<=8.5),3,\
                                        np.where((df_2['laon_amt']>8.5)&(df_2['laon_amt']<=11.5),4,\
                                                np.where((df_2['laon_amt']>11.5)&(df_2['laon_amt'