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
最佳答案
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
关于python - 时区感知 Pandas DateTimeIndex 的性能,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30385481/