Itérations pandas optimales

Rédiger du code Python efficace

Logan Thomas

Scientific Software Technical Trainer, Enthought

Fonctionnement interne de pandas

Éliminer les boucles s'applique aussi avec pandas
pandas repose sur NumPy
- Profitez des gains d'efficacité des tableaux NumPy

logo de la bibliothèque pandas au-dessus du logo du paquet NumPy au-dessus du logo du langage Python ; ligne de pandas vers NumPy avec le texte Builds on et ligne de NumPy vers Python avec le texte 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 ...]

Puissance de la vectorisation

La diffusion (vectorisation) est très efficace !

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

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

Différentiels de points avec des tableaux

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
...

Comparer les approches

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

baseball_df['RD'] = run_diffs_np

124 µs ± 1,47 µs par boucle (moyenne ± éc. type sur 7 exécutions, 10000 boucles chacune)

Passons à la pratique !

Rédiger du code Python efficace