为什么熊猫的索引速度这么慢?如何加快速度?

我检查过了 pandas' 源代码。这个 __getitem__ 与常规的python列表相比,pandas系列中的实现有很多额外的业务逻辑,因为pandas系列支持使用列表和iterables进行索引。

为熊猫系列编制索引时,该系列:

1. 尝试应用可调用的密钥

2. 获取该键处索引的值(听起来足够简单,但请记住,该索引是另一个pandas对象,它还必须支持比常规索引更多的索引)

3. 检查2)是否为标量

4. 如果是标量,则返回结果

这些额外的步骤减慢了 第二章 与常规的python列表相比,效果显著。

要解决这个问题,您可以直接使用底层的numpy数组。这里我们使用 ser.values 改为索引:

ser = pd.Series(range(100))
lst = ser.tolist()

ser = ser.values

for _ in range(10):
    pandas_time = 0
    list_time = 0
    for _ in range(1000000):
        r = randint(0, len(ser)-1)
        t = time()
        ser[r]
        pandas_time += time() - t

        t = time()
        lst[r]
        list_time += time() - t

    print(pandas_time, list_time)

索引1000000个随机元素10次后,我们发现使用 .values 比索引熊猫系列快得多,但比使用python列表慢得多

pd.Series.values    Regular List
0.18845057487487793 0.04786252975463867
0.10950899124145508 0.11034011840820312
0.048889875411987305 0.09512066841125488
0.17272686958312988 0.1406867504119873
0.14252233505249023 0.048066139221191406
0.06352949142456055 0.07906699180603027
0.1405477523803711 0.07815265655517578
0.18746685981750488 0.08007645606994629
0.1405184268951416 0.0781564712524414
0.07921838760375977 0.1412496566772461

总结使用 价值观 当您需要快速索引大熊猫系列时,是一种方法。虽然看起来像 .tolist() 更快,请记住,在索引单个元素时,它只会稍微快一点。numpy数组将支持更快的花式索引,比如使用多个元素进行索引。