Question

我有一列具有正值和负值的数据帧。我想找到负值的索引位置。我在这里有两种方法，我试图找到哪种方法最好和最快。我的代码是：

import pandas as pd
import time

df = pd.DataFrame({'Current': [1, 3, -4, 9, -3, 1, -2]})

# Method-1
start1 = time.time()
neg_index1 = df[(df["Current"]<0)].index.tolist()
print(neg_index1)
end1 = time.time()
print("Method-1 time is = ",end1 - start1)

# Method-2
start2 = time.time()
neg_index2 = df.iloc[df["Current"].lt(0).values].index.tolist()
print(neg_index2)
end2 = time.time()
print("Method-2 time is = ",end2 - start2)

在第一次执行时，方法2的输出更快：

[2, 4, 6]
Method-1 time is =  0.002000093460083008 
[2, 4, 6]
Method-2 time is =  0.0009999275207519531

第二次执行时输出，有趣的是两个时钟同时显示：

[2, 4, 6]
Method-1 time is =  0.0009999275207519531
[2, 4, 6]
Method-2 time is =  0.0009999275207519531

第四次执行时的输出，令人惊讶的是方法1在这里更快：

[2, 4, 6]
Method-1 time is =  0.0009999275207519531
[2, 4, 6]
Method-2 time is =  0.0019998550415039062

一些解释并帮助您了解哪种方法更快？

Answer 1

我更愿意使用np.where：

np.where(df['Current']<0)[0].tolist()

也不要使用time.time来使用timeit：

import pandas as pd, numpy as np
import timeit

df = pd.DataFrame({'Current': [1, 3, -4, 9, -3, 1, -2]})

# Method-1
neg_index1 = df[(df["Current"]<0)].index.tolist()
print(neg_index1)
print("Method-1 time is = ",timeit.timeit(lambda: df[(df["Current"]<0)].index.tolist(),number=10))

# Method-2
neg_index2 = df.iloc[df["Current"].lt(0).values].index.tolist()
print(neg_index2)
print("Method-2 time is = ",timeit.timeit(lambda: df.iloc[df["Current"].lt(0).values].index.tolist(),number=10))

# Method-3
neg_index2 = np.where(df['Current']<0)[0].tolist()
print(neg_index2)
print("Method-3 time is = ",timeit.timeit(lambda: np.where(df['Current']<0)[0].tolist(),number=10))

输出：

[2, 4, 6]
Method-1 time is =  0.0211404744016608
[2, 4, 6]
Method-2 time is =  0.02377961247025239
[2, 4, 6]
Method-3 time is =  0.007515077367731743

所以np.where赢得了重要的胜利！

Answer 2

在测量每次执行所花费的时间时，可能还有其他进程在消耗资源。也可能有随机收集的垃圾收集器启动，从而扭曲了结果。因此，切勿使用time.time()来比较效果。

使用timeit.timeit来衡量效果。它将代码运行重复几次，并测量每次运行所花费的平均时间，从而提供更准确的结果。它还在运行期间禁用垃圾收集。

为什么Python中的执行时间在每次运行时都会给出不同的结果？

2 个答案: