Iteración óptima en pandas

Cómo escribir código Python eficiente

Logan Thomas

Scientific Software Technical Trainer, Enthought

Internos de pandas

Eliminar bucles también aplica a pandas
pandas se basa en NumPy
- Aprovecha la eficiencia de los arrays de NumPy

alt=”logotipo de la biblioteca pandas sobre el logotipo del paquete NumPy sobre el logotipo del lenguaje Python; línea de pandas a NumPy con el texto Se basa en y línea de NumPy a Python con el texto Se basa en”

print(baseball_df)

  Team League  Year   RS   RA   W    G  Playoffs
0  ARI     NL  2012  734  688  81  162         0
1  ATL     NL  2012  700  600  94  162         1
2  BAL     AL  2012  712  705  93  162         1
...

wins_np = baseball_df['W'].values

print(type(wins_np))

<class 'numpy.ndarray'>

print(wins_np)

[ 81  94  93 ...]

Poder de la vectorización

La difusión (vectorización) es muy eficiente

baseball_df['RS'].values - baseball_df['RA'].values

array([  46,  100,    7, ...,  188,  110, -117])

Diferenciales de carreras con arrays

run_diffs_np = baseball_df['RS'].values - baseball_df['RA'].values

baseball_df['RD'] = run_diffs_np
print(baseball_df)

     Team League  Year   RS   RA    W    G  Playoffs   RD
0     ARI     NL  2012  734  688   81  162         0   46
1     ATL     NL  2012  700  600   94  162         1  100
2     BAL     AL  2012  712  705   93  162         1    7
3     BOS     AL  2012  734  806   69  162         0  -72
4     CHC     NL  2012  613  759   61  162         0 -146
...

Comparando enfoques

%%timeit
run_diffs_np = baseball_df['RS'].values - baseball_df['RA'].values

baseball_df['RD'] = run_diffs_np

124 µs ± 1.47 µs por bucle (media ± desv. típ. de 7 ejecuciones, 10000 bucles cada una)

¡Vamos a practicar!

Cómo escribir código Python eficiente