Optimal iterering med pandas

Att skriva effektiv Python-kod

Logan Thomas

Scientific Software Technical Trainer, Enthought

pandas internals

Att undvika loopar gäller även vid användning av pandas
pandas är byggt på NumPy
- Utnyttja NumPy-arrayernas effektivitet

alt="pandas-bibliotekets logotyp ovanpå NumPy-paketets logotyp ovanpå Python-logotypen; linje från pandas till NumPy med texten Builds on och linje från NumPy till Python med texten 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 ...]

Vektoriseringens kraft

Broadcasting (vektorisering) är extremt effektivt!

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

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

Poängdifferenser med arrayer

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
...

Jämföra tillvägagångssätt

%%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 (mean ± std. dev. of 7 runs, 10000 loops each)

Nu kör vi en övning!

Att skriva effektiv Python-kod