剪切熊猫时间序列的最快方法

【问题标题】：Fastest way to cut a pandas time-series剪切熊猫时间序列的最快方法
【发布时间】：2020-02-18 21:51:04
【问题描述】：

寻找切割时间序列的最快方法……例如，只取比某个索引更新的值。

我找到了两种常用的方法：

df = original_series.truncate(before=example_time)

和

df = original_series[example_time:]

哪个更快（对于大时间序列 > 10**6 值）？

【问题讨论】：

你为什么不试试%timeit？
如果你提供一些样本数据，也许有人无聊会玩弄perfplot或timeit给你一些基准。

标签： python pandas time-series

【解决方案1】：

这通常取决于您的数据帧索引是什么，将 10^7 值的随机数据帧放入 timeit 我们得到以下结果。

从性能的角度来看，由于 pandas 通过 numpy 针对基于整数的索引进行了优化，因此截断效率更低。

Truncate: 
62.6 ms ± 3.63 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Bracket Indexing:
54.1 µs ± 4.41 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

ILoc:
69.5 µs ± 4.52 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Loc:
92 µs ± 5.09 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Ix (which is deprecated):
110 µs ± 8.44 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

编辑这一切都在 pandas 0.24.2 上，在 0.14-0.18 版本中，loc 性能要差得多

【讨论】：