【发布时间】：2022-01-14 14:31:18
【问题描述】：
我对 pandas 非常熟悉，并且每天都在使用它。 最近我做了几个项目，我需要以一种非常有效的方式构建东西，并且我需要了解 pandas 的基本原理。 我正在寻找一本书/材料，我可以在效率方面更好地理解熊猫。 有什么建议吗？
【问题讨论】：
标签： python pandas performance
【发布时间】：2022-01-14 14:31:18
【问题描述】：
如果您已经熟悉 Pandas（例如，您可以相当快地编写语法来完成任务 XYZ，并且您知道完成最常见任务的几种不同方法），那么我建议更好的方法是自己对您的选择进行基准测试。
您可以为此使用timeit。通过这种方式，您可能会更好地了解事物，然后您还将建立一个基础，以后可以在确定特定需求时添加该基础。不需要非常花哨的编码，只需将一堆带有 timeit 的测试用例转储到一个文件中。它不需要花费那么长时间，并且比在基准测试中读取某些测试用例上的某些内容更具可重用性/适应性，这些测试可能实际上反映或不反映实际数据的行为。
从我之前进行的快速 Google 搜索中，据我所知，您会在该主题上找到非常广泛的建议，您可能已经知道 - 用户适当的数据类型（int 比 float 快），避免 for 循环并改用矢量化符号等。这些都是很好的建议，但根据您对 Pandas 的理解程度，听起来您已经超出了该建议水平。
【讨论】：
-
我确实对它们进行了测试，但是例如，本周我了解到 np select 是详尽无遗的，这意味着它正在计算所有条目的所有选项，然后根据条件进行选择。对于大量条件，这可能是低效的。所以这只是我想更好地理解的事情的一个例子
-
我明白了——但据我所知，您仍然不太可能在这方面找到很多全面的建议。这只是非常具体的东西，没有大量的受众，所以谁会花时间把它写出来？如果你仍然认为你可以找到关于它的文章，也许搜索你正在使用的特定功能（例如 np.select() 等）可能会产生一些人的博客文章，这些人做了一个基准测试/对特定的事情有所了解.也许其他人会想出更好的东西，但我对此表示怀疑。