為什麼 Pandas 的 `s.replace` 基於字典的值替換速度很慢？

了解Pandas 中s.replace 和其他值替換方法之間的表現差距

使用字典替換Pandas 系列中的值是一個Pandas 系列中的值是一個共同任務。然而，與列表推導等替代方法相比，s.replace（此操作的建議方法）通常表現出明顯較慢的性能。

s.replace 緩慢的根本原因

s.replace 除了簡單的字典映射之外還執行其他處理。它處理邊緣情況和罕見情況，這需要更複雜和耗時的操作。具體來說，s.replace 將字典轉換為列表，檢查巢狀字典，並迭代列表以將鍵和值提供給單獨的替換函數。這種開銷會顯著減慢流程。

最佳化值替換

要最佳化值替換，應遵循以下準則：

• 當所有系列值都被字典鍵覆蓋時，使用s.map(d)。 s.map 在這種情況下表現出了出色的性能。
• 當超出 5% 時使用 s.map(d).fillna(s['A']).astype(int)系列值由字典鍵覆蓋。此方法結合了 s.map 的效率和處理缺失值的能力。
• 當需要少量值（少於 5%）時使用 s.replace(d)被替換。在這種情況下 s.replace 相對較快。

基準測試

基準測試結果顯示了各種替換方法之間的性能差異：

測試1 -完整Map

%timeit df['A'].replace(d)  # 1.98s
%timeit df['A'].map(d)      # 84.3ms
%timeit [d[i] for i in lst]  # 134ms

測試2 -部分Map

%timeit df['A'].replace(d)                  # 20.1ms
%timeit df['A'].map(d).fillna(df['A']).astype(int)  # 111ms
%timeit [d.get(i, i) for i in lst]                  # 243ms

這些結果清楚地表明s.map 及其修改版本的執行速度明顯快於s .replace，特別是當系列值的很大一部分被字典鍵覆蓋時。

以上是為什麼 Pandas 的 `s.replace` 基於字典的值替換速度很慢？的詳細內容。更多資訊請關注PHP中文網其他相關文章！