还在抱怨Pandas运行速度慢？这几个方法会颠覆你的看法

在这一点上，仍然有性能提升，但它本质上变得更加边缘化。使用Pandas，它可以帮助维持“层次结构”，如果你愿意，可以像在此处一样进行批量计算，这些通常排名从最快到最慢(最灵活到最不灵活)：

1. 使用向量化操作：没有for循环的Pandas方法和函数。
2. 将.apply方法：与可调用方法一起使用。
3. 使用.itertuples：从Python的集合模块迭代DataFrame行作为namedTuples。
4. 使用.iterrows：迭代DataFrame行作为(index，Series)对。虽然Pandas系列是一种灵活的数据结构，但将每一行构建到一个系列中然后访问它可能会很昂贵。
5. 使用“element-by-element”循环：使用df.loc或df.iloc一次更新一个单元格或行。

使用HDFStore防止重新处理

现在你已经了解了Pandas中的加速数据流程，接着让我们探讨如何避免与最近集成到Pandas中的HDFStore一起重新处理时间。

（编辑：好传媒网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!