Numpy schneller an als Pandas Sortierung

Question

dies ist eine grundlegende Frage über Arrays in numpy und Pandas Sortierung:

Ich erkennen, dass, wenn ich verwende Pandas zum Sortieren und bestimmte Spalten eines Datenrahmens der Auswahl, dass es fast doppelt so hoch war wie lang, als ich den Code änderte, um numpy Arrays zu verwenden.

Was ist der Grund für diese Geschwindigkeitsänderung?

Danke, Leon

zB. Pandas:

j = pd.DataFrame(df)   # df columns["date","I",...] 
j = j.sort(["date"], ascending=False) 
x = [[DATES[int(k[1]) - 1]] for k in j["date"].tolist()] 
y = j["I"].tolist() 

z. Numpy:

j = np.array(df)    # df column["date"] == j[:,0] 
j = np.array(sorted(j, key=lambda a_entry: a_entry[0])) 
x = [[DATES[int(k[1]) - 1]] for k in j[:,0].tolist()] 
y = j[:,4].tolist()   # df column["I"] == j[:,4] 

Answer 1

https://penandpants.com/2014/09/05/performance-of-pandas-series-vs-numpy-arrays/ erklärt es ziemlich nett. pandas als viel Aufwand, im Vergleich zu numpy

Zitat von dieser Seite? "Warum Pandas ist so viel langsamer als NumPy Die kurze Antwort ist, dass Pandas eine Menge Sachen tut, wenn Sie Index in eine Serie, und es macht das Zeug in Python. "