何时使用DataFrame.eval（）与pandas.eval（）或python eval（）

小编典典

何时使用DataFrame.eval（）与pandas.eval（）或python eval（）

python

我foo > bar需要在a的〜1MM行上评估几十个条件（例如），DataFrame最简洁的编写方式是将这些条件存储为字符串列表并创建DataFrame布尔结果（每行一行）每个条件记录x一栏）。（
未评估用户输入。）

在寻求过早优化的过程中，我试图确定是否应该在内部编写这些条件进行评估DataFrame（例如，df.eval("foo > bar")还是像下面那样将其留给python）eval("df.foo > df.bar")

您不应将eval（）用于简单表达式或涉及小型DataFrame的表达式。实际上，对于较小的表达式/对象，eval（）比普通的Python要慢许多个数量级。一条好的经验法则是，只有当DataFrame的行数超过10,000时才使用eval（）。

能够使用该df.eval("foo > bar")语法会很好，因为我的列表更具可读性，但是我从来没有找到评估它的速度不慢的情况。该文档显示了pandas.eval()比python更快的位置eval()（符合我的经验）的示例，但没有比DataFrame.eval()（列出为“实验性”）更快的示例。

例如，DataFrame.eval()在一个很大的表达式上，一个不简单的表达式仍然是明显的失败者DataFrame：

import pandas as pd
import numpy as np
import numexpr
import timeit

someDf = pd.DataFrame({'a':np.random.uniform(size=int(1e6)), 'b':np.random.uniform(size=int(1e6))})

%timeit -n100 someDf.eval("a**b - a*b > b**a - b/a") # DataFrame.eval() on notional expression
%timeit -n100 eval("someDf['a']**someDf['b'] - someDf['a']*someDf['b'] > someDf['b']**someDf['a'] - someDf['b']/someDf['a']")
%timeit -n100 pd.eval("someDf.a**someDf.b - someDf.a*someDf.b > someDf.b**someDf.a - someDf.b/someDf.a")

100 loops, best of 3: 29.9 ms per loop
100 loops, best of 3: 18.7 ms per loop
100 loops, best of 3: 15.4 ms per loop

那么DataFrame.eval()仅仅是简化输入的好处，还是我们可以确定使用这种方法实际上更快的情况？

还有什么其他指导方针何时使用eval()？（我知道这pandas.eval()不支持整套操作。）

pd.show_versions()

INSTALLED VERSIONS
------------------
commit: None
python: 3.5.1.final.0
python-bits: 64
OS: Windows
OS-release: 7
machine: AMD64
processor: Intel64 Family 6 Model 63 Stepping 2, GenuineIntel
byteorder: little
LC_ALL: None
LANG: en_US

pandas: 0.18.0
nose: 1.3.7
pip: 8.1.2
setuptools: 20.3
Cython: 0.23.4
numpy: 1.10.4
scipy: 0.17.0
statsmodels: None
xarray: None
IPython: 4.1.2
sphinx: 1.3.1
patsy: 0.4.0
dateutil: 2.5.3
pytz: 2016.2
blosc: None
bottleneck: 1.0.0
tables: 3.2.2
numexpr: 2.5
matplotlib: 1.5.1
openpyxl: 2.3.2
xlrd: 0.9.4
xlwt: 1.0.0
xlsxwriter: 0.8.4
lxml: 3.6.0
bs4: 4.4.1
html5lib: None
httplib2: None
apiclient: None
sqlalchemy: 1.0.12
pymysql: None
psycopg2: None
jinja2: 2.8
boto: 2.39.0

阅读 225

2021-01-20

共1个答案

小编典典

那么DataFrame.eval（）的好处仅仅是在简化输入方面，还是我们可以确定使用此方法实际上更快的情况？

DataFrame.eval（）的源代码表明，它实际上只是创建要传递给pd.eval（）的参数：

def eval(self, expr, inplace=None, **kwargs):

    inplace = validate_bool_kwarg(inplace, 'inplace')
    resolvers = kwargs.pop('resolvers', None)
    kwargs['level'] = kwargs.pop('level', 0) + 1
    if resolvers is None:
        index_resolvers = self._get_index_resolvers()
        resolvers = dict(self.iteritems()), index_resolvers
    if 'target' not in kwargs:
        kwargs['target'] = self
    kwargs['resolvers'] = kwargs.get('resolvers', ()) + tuple(resolvers)
    return _eval(expr, inplace=inplace, **kwargs)

其中_eval（）只是pd.eval（）的别名，该别名在模块的开头导入：

from pandas.core.computation.eval import eval as _eval

所以，什么可以做用df.eval()，你可以
做pd.eval()+一些额外的线条处理事情。从目前的情况来看，df.eval()从没有严格比快pd.eval()。但这并不意味着在任何情况下都不会df.eval()像一样好pd.eval()，但是编写起来更方便。

但是，在玩弄%prun魔术之后，似乎通过bydf.eval()进行的调用df._get_index_resolvers()给该df.eval()方法增加了相当多的时间。最终，_get_index_resolvers()最终调用的.copy()方法numpy.ndarray，这最终使事情变慢。同时，pd.eval()确实会numpy.ndarray.copy()在某个时候进行呼叫，但是所花费的时间可以忽略不计（至少在我的机器上）。

长话短说，似乎df.eval()比pd.eval()在引擎盖下要慢得多，因为它只是pd.eval()在幕后加了一些额外的步骤，而这些步骤是不平凡的。

2021-01-20