何时使用DataFrame.eval（）与pandas.eval（）或Python eval（）比较

Question

我有几十个条件（例如，foo

为了寻求过早的优化，我试图确定是否应该在DataFrame（例如，df.eval（"foo

根据关于增强评估性能的文件：

对于简单表达式或涉及小数据帧的表达式，不应使用eval（）。事实上，对于较小的表达式/对象，eval（）比普通的ol'Python慢很多数量级。一个很好的经验法则是，只有当数据帧的行数超过10000行时，才使用eval（）。

如果能够使用df.eval（“foo

例如，DataFrame.eval（）在大型ishDataFrame上的一个不简单表达式中仍然是一个明显的输家：

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

因此，DataFrame.eval（）的好处仅仅是简化输入，还是我们可以确定使用此方法的情况实际上更快？

对于何时使用哪个eval（），是否有其他指导原则？（我知道pandas.eval（）不支持完整的操作集。）

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




Answer 1

那么，DataFrame.eval（）的好处仅仅是简化了输入，还是我们可以确定使用此方法的情况实际上更快？

DataFrame.eval（）的源代码显示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（）只是在模块开头导入的pd.eval（）的别名：

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

因此，您可以使用df.eval（）执行任何操作，也可以使用pd.eval（）执行一些额外的行来进行设置。就目前的情况来看，df.eval（）从来没有严格地比pd.eval（）快过。但这并不意味着在某些情况下，df.eval（）与pd.eval（）一样好，但编写起来更方便。

然而，在使用了%prun魔法之后，似乎df.eval（）对df._get_index_resolvers（）的调用为<--plhd--1/增加了相当多的时间>（）方法。最终，_get_index_resolvers（）调用了的. Copp（）方法numpy.ndarray，这最终会减慢速度。同时，pd.eval（）确实在某个时候调用numpy.ndarray.copy（），但是它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（）往往比pd.eval（）慢，因为在引擎盖下，它只是带有额外步骤的pd.eval（）这些步骤都很重要。