Question

我在pandas中发现了一些与标准差计算（std）的ddof（自由度）参数不同的东西。

对于常规std，无论我将其默认值设置为1还是指定0，速度都是相同的。当我作为group by的一部分执行时，速度大约慢10倍（我设置的测试DataFrame） up与我正在研究的结构类似。更多列/行/唯一组的减速情况更糟。

知道这里发生了什么吗？大熊猫需要修复一点虫吗？有没有办法以更快的速度复制ddof=1行为（我经常运行这些std计算）？

import pandas as pd
import datetime
test = pd.DataFrame(np.random.rand(100000,10))

%timeit test.std()
100 loops, best of 3: 18.2 ms per loop
%timeit test.std(ddof=0)
100 loops, best of 3: 18.3 ms per loop

test['group'] = (test[0]*20+1).astype(int)
test['date'] = [datetime.date(2018, 3, g) for g in test['group']]
test = test.set_index(['date','group'])

%timeit test.groupby(level='date').std()
100 loops, best of 3: 6.78 ms per loop
%timeit test.groupby(level='date').std(ddof=0)
10 loops, best of 3: 68.5 ms per loop

Answer 1

这不是错误，但这是一个已知问题。

以下是pandas的一些groupby.py源代码。

ddof == 1 :(默认值）应用Cythonised算法。
ddof != 1：应用了Python级循环。

因此，您无法在pandas内使用此方法进行优化。

@Substitution(name='groupby')
@Appender(_doc_template)
def var(self, ddof=1, *args, **kwargs):
    """
    Compute variance of groups, excluding missing values

    For multiple groupings, the result index will be a MultiIndex

    Parameters
    ----------
    ddof : integer, default 1
        degrees of freedom
    """
    nv.validate_groupby_func('var', args, kwargs)
    if ddof == 1:
        return self._cython_agg_general('var')
    else:
        self._set_group_selection()
        f = lambda x: x.var(ddof=ddof)
        return self._python_agg_general(f)

使用ddof = 1时，Pandas groupby std要慢得多？为什么？

1 个答案: