pandas.Series.div（）與/ =

Question

我很好奇為什么將pandas.Series.div（）應用於/ pandas系列數字時比/ =慢。 例如：

python3 -m timeit -s 'import pandas as pd; ser = pd.Series(list(range(99999)))' 'ser /= 7'
1000 loops, best of 3: 584 usec per loop

python3 -m timeit -s 'import pandas as pd; ser = pd.Series(list(range(99999)))' 'ser.div(7)'
1000 loops, best of 3: 746 usec per loop

我認為這是因為前者將系列更改到位，而后者返回了新的系列。 但是如果是這樣的話，那么如果它們不如/ =和* /一樣快，為什么還要麻煩地實現div（）和mul（）呢？ 即使您不想更改序列，ser / 7仍然比.div（）快：

python3 -m timeit -s 'import pandas as pd; ser = pd.Series(list(range(99999)))' 'ser / 7'
1000 loops, best of 3: 656 usec per loop

那么pd.Series.div（）的用途是什么，它會使它變慢嗎？

Answer 1

熊貓.div顯然類似於/和/=實現除法。

擁有單獨的.div是Pandas包含了一種語法模型，其中對數據幀的操作由連續過濾器 （例如.div ， .str等）的應用來描述，該過濾器允許簡單的串聯：

ser.div(7).apply(lambda x: 'text: ' + str(x)).str.upper()

以及對多個參數的更簡單支持（使用二進制運算符無法編寫.func(a, b, c) ）。

相比之下，如果沒有div ，則將被寫為：

(ser / 7).apply(lambda x: 'text: ' + str(x)).str.upper()

/操作可能更快，因為與.div()相比，與/運算符關聯的Python開銷更少。

相反， x /= y運算符替換了結構x = x / y 。 對於基於NumPy的矢量化容器（如Pandas），它超出了一點：它使用就地操作而不是創建x副本（可能會浪費時間和內存）。 這就是/=比/和.div()都快的原因。

請注意，雖然在大多數情況下這是等效的，但有時（如在這種情況下）它仍需要轉換為其他數據類型，這在Pandas中自動完成（但在NumPy中不是自動完成）。