為什么在for循環中將單詞從復數形式轉換為單數形式會花費這么長時間（Python 3）？

Question

這是我的代碼，用於從CSV文件讀取文本並將一列中的所有單詞從復數形式轉換為單數形式：

import pandas as pd
from textblob import TextBlob as tb
data = pd.read_csv(r'path\to\data.csv')

for i in range(len(data)):
    blob = tb(data['word'][i])
    singular = blob.words.singularize()  # This makes singular a list
    data['word'][i] = ''.join(singular)  # Converting the list back to a string

但是這段代碼已經運行了幾分鍾（如果我不停止的話，可能還要運行幾個小時？）！ 這是為什么？ 當我逐個檢查幾個單詞時，轉換立即發生-完全不需要任何時間。 文件中只有1060行（要轉換的字）。

編輯：它在大約10-12分鍾內完成運行。

以下是一些示例數據：

輸入：

word
development
investment
funds
slow
company
commit
pay
claim
finances
customers
claimed
insurance
comment
rapid
bureaucratic
affairs
reports
policyholders
detailed

輸出：

word
development
investment
fund
slow
company
commit
pay
claim
finance
customer
claimed
insurance
comment
rapid
bureaucratic
affair
report
policyholder
detailed

Answer 1

那這個呢？

In [1]: import pandas as pd

In [2]: from textblob import Word

In [3]: s = pd.read_csv('text', squeeze=True, memory_map=True)

In [4]: type(s)
Out[4]: pandas.core.series.Series

In [5]: s = s.apply(lambda w: Word(w).singularize())

In [6]: s
Out[6]:
0      development
1       investment
2             fund
3             slow
4          company
5           commit
6              pay
7            claim
8          finance
9         customer
10         claimed
11       insurance
12         comment
13           rapid
14    bureaucratic
15          affair
16          report
17    policyholder
18        detailed
Name: word, dtype: object

我在這里使用squeeze來讓read_csv返回Series而不是DataFrame，因為word文件只有一列。 另外，如果單詞文件很大，則可以使用memory_map 。

您可以使用數據測試性能嗎？