熊貓比numpy慢得多？

Question

下面的代碼表明，pandas可能比numpy慢得多，至少在函數clip（）的特定情況下。 令人驚訝的是，從熊貓到numpy和回到熊貓的往返，同時在numpy中進行計算，仍然比在熊貓中做得快得多。

大熊貓的功能難道不應該以這種迂回方式實施嗎？

In [49]: arr = np.random.randn(1000, 1000)

In [50]: df=pd.DataFrame(arr)

In [51]: %timeit np.clip(arr, 0, None)
100 loops, best of 3: 8.18 ms per loop

In [52]: %timeit df.clip_lower(0)
1 loops, best of 3: 344 ms per loop

In [53]: %timeit pd.DataFrame(np.clip(df.values, 0, None))
100 loops, best of 3: 8.4 ms per loop

Answer 1

在master / 0.13（很快發布）中，這要快得多（由於對齊/ dtype / nans的處理，仍然比原生numpy略慢）。

在0.12中它每列應用，因此這是一個相對昂貴的操作。

In [4]: arr = np.random.randn(1000, 1000)

In [5]: df=pd.DataFrame(arr)

In [6]: %timeit np.clip(arr, 0, None)
100 loops, best of 3: 6.62 ms per loop

In [7]: %timeit df.clip_lower(0)
100 loops, best of 3: 12.9 ms per loop