python - 时区感知 Pandas DateTimeIndex 的性能

Question

我在网上搜索，但没有发现任何关于我面临的问题的信息。

看起来 pandas.DataFrame 对具有时区感知日期的索引的操作比常规日期时间慢了一个数量级。

这是 ipython 的计时。

首先使用标准日期时间:

import pandas as pd
import numpy as np

dates=pd.date_range('2010/01/01 00:00:00', '2010/12/31 00:00:00', freq='1T')
DF=pd.DataFrame(data=np.random.rand(len(dates)), index=dates, columns=["value"])

# compute timedeltas between dates
%timeit DF["temp"] = DF.index
%timeit DF["deltas"] = (DF["temp"] - DF["temp"].shift())

结果是:

1000 loops, best of 3: 1.13 ms per loop
100 loops, best of 3: 17.1 ms per loop

到目前为止，一切顺利。

现在只需添加时区信息:

import pandas as pd
import numpy as np

dates=pd.date_range('2010/01/01 00:00:00', '2010/12/31 00:00:00', freq='1T')
# NEW: filter dates to avoid DST problems
dates=dates[dates.hour>2] # to avoid AmbiguousInferError or NonExistentDateError

DF=pd.DataFrame(data=np.random.rand(len(dates)), index=dates, columns=["value"])

# NEW: add timezone info
DF.index = DF.index.tz_localize(tz="America/New_York", ambiguous="infer")

# compute timedeltas between dates
%timeit DF["temp"] = DF.index
%timeit DF["deltas"] = (DF["temp"] - DF["temp"].shift())

现在，结果是:

1 loops, best of 3: 5.43 s per loop
1 loops, best of 3: 16 s per loop

这是为什么？
我真的不明白这里的瓶颈在哪里......

信息(来自conda list):

anaconda                  2.2.0                np19py34_0  
conda                     3.12.0                   py34_0  

numpy                     1.9.2                    py34_0  
pandas                    0.16.1               np19py34_0  
pytz                      2015.4                   py34_0  
scipy                     0.15.1               np19py34_0  

Answer 1

这是一个已知问题，请参阅 here 。 具有朴素 tz(例如无时区)Series 的日期时间可以使用 datetime64[ns] 的 dtype 有效表示。使用 int64 等的计算速度相当快。 tz-aware Series 使用 object dtype 表示。这些计算速度要慢一些。

可以解决此问题(请参阅引用的问题)，以拥有统一的 tz 感知系列。欢迎拉请求!

In [9]: df = DataFrame({'datetime' : pd.date_range('20130101',periods=5), 'datetime_with_tz' : pd.date_range('20130101',periods=5,tz='US/Eastern')})

In [10]: df 
Out[10]: 
    datetime           datetime_with_tz
0 2013-01-01  2013-01-01 00:00:00-05:00
1 2013-01-02  2013-01-02 00:00:00-05:00
2 2013-01-03  2013-01-03 00:00:00-05:00
3 2013-01-04  2013-01-04 00:00:00-05:00
4 2013-01-05  2013-01-05 00:00:00-05:00

In [11]: df.dtypes
Out[11]: 
datetime            datetime64[ns]
datetime_with_tz            object
dtype: object