将数字转换为二进制并使用python存储在pandas中的多个列中

我想使用Python将数字转换为二进制并存储在Pandas中的多个列中.
这是一个例子.

df = pd.DataFrame([['a', 1], ['b', 2], ['c', 0]], columns=["Col_A", "Col_B"])

for i in range(0,len(df)):
    df.loc[i,'Col_C'],df.loc[i,'Col_D'] = list( (bin(df.loc[i,'Col_B']).zfill(2) ) )

我正在尝试转换二进制文件并将其存储在dataframe中的多个列中.将数字转换为二进制后,输出必须包含2位数.它工作正常.

问题：如果我的数据集包含数千条记录,我可以看到性能差异.如果我想提高上述代码的性能,我们该怎么做？
我尝试使用以下单行代码,这对我不起作用.

df[['Col_C','Col_D']] = list( (bin(df['Col_B']).zfill(2) ) )

解决方法:

如果性能很重要,请使用numpy和this solution：

d = df['Col_B'].values
m = 2
df[['Col_C','Col_D']]  = pd.DataFrame((((d[:,None] & (1 << np.arange(m)))) > 0).astype(int))
print (df)
  Col_A  Col_B  Col_C  Col_D
0     a      1      1      0
1     b      2      0      1
2     c      0      0      0

性能(快约1000倍)：

df = pd.DataFrame([['a', 1], ['b', 2], ['c', 0]], columns=["Col_A", "Col_B"])


df = pd.concat([df] * 1000, ignore_index=True)

In [162]: %%timeit
     ...: df[['Col_C','Col_D']] = df['Col_B'].apply(lambda x: pd.Series(list(bin(x)[2:].zfill(2))))
     ...: 
609 ms ± 14.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [163]: %%timeit
     ...: d = df['Col_B'].values
     ...: m = 2
     ...: df[['Col_C','Col_D']]  = pd.DataFrame((((d[:,None] & (1 << np.arange(m)))) > 0).astype(int))
     ...: 
618 µs ± 26.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)