为什么首先分配给变量时 pandas.dataframe.groupby 更快？

Question

任何人都可以帮助理解为什么以下两种方法，我的想法是，否则与 pandas.dataframe groupby 方法相同，根据 iPython 的 Magic % 在不同的时间完成时间？

%timeit somedf.groupby('someBoolColumn')['someBoolColumn'].count()
484 µs ± 9.52 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit grp = somedf.groupby('someBoolColumn')
grp['someBoolColumn'].count()
146 µs ± 1.47 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

somedf 有 7200 行和 24 列。

我找不到，

1. 为什么首先将对象分配给变量 grp 的两个衬垫是 >3
   快几倍，也不；

2. 如果这只是特定于 groupby 方法或 对 pandas 甚至 python 更通用的东西，例如，关于 变量赋值。

非常感谢您的启发，因为这确实有助于处理我想要处理的许多更大的数据帧，重复使用许多不同的参数组合。

Answer 1

Ipython 的%timeit docs 状态：

在单元格模式下，第一行的语句用作设置代码（执行 但不是定时的）并且单元格的主体是定时的。细胞体可以访问 在设置代码中创建的任何变量。

（我的重点）。 cell mode 是通过使用%%timeit 的双百分比形式触发的。 当您在 IPython 提示符下键入 %magic 时，IPython 打印的文档中还有一个简介：

%%timeit x = numpy.random.randn((100, 100))
numpy.linalg.svd(x)

将计时 numpy svd 例程的执行，运行 x 的赋值 作为设置阶段的一部分，没有计时。

---

因此，

%%timeit grp = somedf.groupby('someBoolColumn')
grp['someBoolColumn'].count()

是计时grp['someBoolColumn'].count()，但不是分配grp = somedf.groupby('someBoolColumn')。

---

如何在没有设置线的情况下使用%%timeit：

要使用%%timeit 对两个语句进行计时，只需将%%timeit 之后的第一行留空即可：

%%timeit 
grp = somedf.groupby('someBoolColumn')
grp['someBoolColumn'].count()

输入 Enter 两次完成单元格。