pandas替换/字典缓慢

Question

请帮助我了解为什么此“从字典替换”操作在Python / Pandas中运行缓慢：

# Series has 200 rows and 1 column
# Dictionary has 11269 key-value pairs
series.replace(dictionary, inplace=True)

字典查找应为O（1）。替换列中的值应为O（1）。这不是向量化操作吗？即使不进行向量化，迭代200行也仅进行200次迭代，那么它怎么会慢呢？

这是SSCCE演示的问题：

import pandas as pd
import random

# Initialize dummy data
dictionary = {}
orig = []
for x in range(11270):
    dictionary[x] = 'Some string ' + str(x)
for x in range(200):
    orig.append(random.randint(1, 11269))
series = pd.Series(orig)

# The actual operation we care about
print('Starting...')
series.replace(dictionary, inplace=True)
print('Done.')

在我的机器上运行该命令需要1秒钟以上的时间，比执行<1000次操作的预期时间长1000倍。

Answer 1

看起来replace有些开销，并且明确地告诉该系列该怎么做才能map产生最佳性能：

series = series.map(lambda x: dictionary.get(x,x))

如果您确定所有键都在字典中，则可以通过不创建lambda并直接提供该dictionary.get函数来稍微提高性能。任何不存在的密钥将NaN通过此方法返回，因此请注意：

series = series.map(dictionary.get)

您也可以只提供字典本身，但这似乎会带来一些开销：

series = series.map(dictionary)

时机

使用示例数据进行一些时序比较：

%timeit series.map(dictionary.get)
10000 loops, best of 3: 124 µs per loop

%timeit series.map(lambda x: dictionary.get(x,x))
10000 loops, best of 3: 150 µs per loop

%timeit series.map(dictionary)
100 loops, best of 3: 5.45 ms per loop

%timeit series.replace(dictionary)
1 loop, best of 3: 1.23 s per loop