Optimale iteratie met pandas

Efficiënte Python-code schrijven

Logan Thomas

Scientific Software Technical Trainer, Enthought

pandas-internals

Lussen vermijden geldt ook voor pandas
pandas is gebouwd op NumPy
- Profiteer van de efficiëntie van NumPy-arrays

alt=”pandas-bibliotheeklogo bovenop NumPy-pakkettelogo bovenop Python-programmeerlogo; lijn van pandas naar NumPy met tekst Builds on en lijn van NumPy naar Python met tekst Builds on”

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 ...]

Kracht van vectorisatie

Broadcasting (vectoriseren) is extreem efficiënt!

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

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

Run differentials met 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
...

Aanpakken vergelijken

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

baseball_df['RD'] = run_diffs_np

124 µs ± 1.47 µs per loop (gem. ± std.dev. van 7 runs, 10000 loops elk)

Laten we oefenen!

Efficiënte Python-code schrijven