1 测试内容

测试的内容为，分别用三种方法来计算一个简单的运算过程，即 a*a+b*b 。

三种方法分别是：

python的for循环
Pandas的Series
Numpy的ndarray

首先构造一个DataFrame，数据量的大小，即DataFrame的行数，分别为10， 100， 1000， … ，直到10,000,000（一千万）。

然后在jupyter notebook中，用下面的代码分别去测试，来查看不同方法下的运行时间，做一个对比。

import pandas as pdimport numpy as np# 100分别用 10，100，...，10,000,000来替换运行list_a = list(range(100))# 200分别用 20，200，...，20,000,000来替换运行list_b = list(range(100,200))
print(len(list_a))
print(len(list_b))
 
df = pd.DataFrame({'a':list_a, 'b':list_b})
print('数据维度为：{}'.format(df.shape))
print(len(df))
print(df.head())

100
100
数据维度为：(100, 2)
100
   a    b
0  0  100
1  1  101
2  2  102
3  3  103
4  4  104

执行运算， a*a + b*b
Method 1: for循环

1 2	`%%timeit# 当DataFrame的行数大于等于1000000时，请用 %%time 命令for` `i in range(len(df)):` `df['a'][i]df['a'][i]+df['b'][i]df['b'][i]`

1	`100 loops, best of 3: 12.8 ms per loop`

Method 2: Series

1	`type(df['a'])`

1	`pandas.core.series.Series`

1 2	`%%timeit` `df['a']df['a']+df['b']df['b']`

1 2	`The slowest run took 5.41 times longer than the fastest. This could mean that an intermediate result is being cached.` `1000 loops, best of 3: 669 μs per loop`

Method 3: ndarray

1	`type(df['a'].values)`

1	`numpy.ndarray`

1 2	`%%timeit` `df['a'].valuesdf['a'].values+df['b'].valuesdf['b'].values`

1	`10000 loops, best of 3: 34.2 μs per loop`

2 测试结果

运行结果如下：

从运行结果可以看出，for循环明显比Series和ndarray要慢很多，并且数据量越大，差异越明显。当数据量达到一千万行时，for循环的表现也差一万倍以上。 而Series和ndarray之间的差异则没有那么大。

PS： 1000万行时，for循环运行耗时特别长，各位如果要测试，需要注意下，请用 %%time 命令（只测试一次）。

下面通过图表来对比下Series和ndarray之间的表现。

从上图可以看出，当数据小于10万行时，ndarray的表现要比Series好些。而当数据行数大于100万行时，Series的表现要稍微好于ndarray。当然，两者的差异不是特别明显。

所以一般情况下，个人建议，for循环，能不用则不用，而当数量不是特别大时，建议使用ndarray（即df[‘col’].values）来进行计算，运行效率相对来说要好些。

以上就是Python: Pandas如何高效运算的方法的详细内容，更多文章请关注木庄网络博客！！

Python编程从入门到实践第2版

￥69.8元 人民邮电出版社

python入门书籍，非常畅销，超高好评，python官方公认好书。

转载请注明出处：木庄网络博客 » Python: Pandas如何高效运算的方法

Python: Pandas如何高效运算的方法

1 测试内容

2 测试结果

Python编程从入门到实践第2版

相关推荐

评论