为什么 Pandas `iterrows` 这么慢，如何提高性能？

Pandas iterrows 的性能问题

iterrows 是一个用于逐行迭代的 pandas 函数，已被观察到表现出性能缺陷。虽然该问题可能与数据帧中的混合数据类型有关，但即使没有此问题的简单场景也会表现出显着的性能滞后。

向量化操作（例如 apply）通常优于 iterrows，引发了关于是否需要 row-by 的问题-行迭代。然而，在某些情况下，iterrows 仍然是不可避免的。

Iterrows 性能问题的原因

通常，由于性能特征，iterrows 的效率低于矢量化、apply 和 itertuples :

• 向量化：向量运算可以实现高效
• Apply：Apply 由 pandas 优化，部分操作在 Cython 中执行，提供显着的性能提升。
• Itertuples：Itertuples 避免数据装箱，以元组形式检索数据。
• Iterrows：Iterrows 将数据装箱到 Series 对象中，从而提高性能

最佳性能指南

要优化性能，请考虑以下指南：

1. 尽可能优先考虑矢量化。
2. 未进行矢量化时使用 apply可行。
3. 在特定场景中考虑使用 itertuples 进行非装箱。
4. 尽可能避免 iterrow，因为它会引入性能瓶颈。
5. 构建新的结构并连接以避免 row-对空数据帧进行逐行更新。

以上是为什么 Pandas `iterrows` 这么慢，如何提高性能？的详细内容。更多信息请关注PHP中文网其他相关文章！