是一行的数据帧，其处理速度比系列慢得多

Question

我遇到了一些遗留代码，其中数据存储为单行pd.DataFrame。
我的直觉是，在这种情况下，使用 pd.Series 会更快 - 我不知道他们如何进行优化，但我知道他们可以并且这样做。
我的直觉正确吗？还是大多数操作没有显着差异？
(澄清一下 - 显然最佳实践不是单行数据帧，但我问的是性能(

Answer 1

是的，

对于大量列，会对性能产生明显影响。您应该考虑到DataFrame是Series字典，因此当您对单行执行操作时，pandas必须先合并所有列值，然后再执行该操作。

即使对于 100 个元素，您也可以看到有一个命中：

s = pd.Series(np.random.randn(100))
df = pd.DataFrame(np.random.randn(1,100))
%timeit s.sum()
%timeit df.sum(axis=1)

104 µs ± 5.08 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
194 µs ± 2.8 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

在我看来，没有理由使用索引值与该df的列名相同的Series无法实现的单行 df

性能下降不是线性的，因为对于 10k 阵列，它不会差 2 倍：

s = pd.Series(np.random.randn(10000))
df = pd.DataFrame(np.random.randn(1,10000))
%timeit s.sum()
%timeit df.sum(axis=1)
149 µs ± 10.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
253 µs ± 36.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)