python或Pandas是否缓存结果？

在使用熊猫数据帧时，我注意到了一件最奇怪的事情。在相同代码的第一次和第二次运行之间创建数据帧的时间大大缩短

L = list('ABCDEFGH')*20000
min_length = 10000
data_dict = {k: np.random.randint(10, size=min_length) for k in L}
start = time.time()
df = pd.DataFrame({k:v[:min_length] for k,v in data_dict.items()})
print('loop time : ', time.time() - start)

第一次跑步时间

loop time : 0.05926999

当我重新运行上面的代码时

loop time : 0.00090622

有人能解释刚才发生的事吗？

---

pandas或python缓存结果了吗？
如果在ipython中计时，则会得到类似的结果

我的观点是，第一次运行可能会花时间转换为.pyc文件以用于运行时。我真的不是专家，这并不是一个答案，而是一个故障排除步骤

试着运行这个，看看第一次迭代是否比后续迭代长

L = list('ABCDEFGH')*20000
min_length = 10000
data_dict = {k: np.random.randint(10, size=min_length) for k in L} 

for i in range(10):
    start = time.time() 
    df = pd.DataFrame({k:v[:min_length] for k,v in data_dict.items()})
    print('loop time : ', time.time() - start)

---

您的程序是否存储在文件中？是！这有什么区别吗？我想你也应该给它贴上iPython的标签。这很有趣，因为我以前从未在

timeit

上看到过该消息，所以我不确定它将缓存哪个部分（也不知道如何跟踪），但我可以重现您的结果。这可能只是.pyc文件第一次未编译，而且每次编译之后都会出现吗？如果你创建了一个10倍的循环，但只运行一次代码会怎么样？@pshep123我没有得到u？你能解释一下吗？我只是运行上面的代码。这是我的输出

循环时间：0.03665304183959961循环时间：0.0012547969818115234循环时间：0.0006182193756103516。循环时间：0.0004937648773193359循环时间：0.0005068779991699219循环时间：0.0005292892456054688

时间在不断改进，并在某个值上饱和。我希望能帮上忙，但背后的原因远远超过我的工资等级！祝你好运。