Python 为什么sklearn的LabelBinarizer速度慢？

我试图将

sklearn

中的

LabelBinarizer

与简单字典的性能进行比较：

from sklearn.preprocessing import LabelBinarizer
import time

sample_list = list('abcdefg')
lb = LabelBinarizer()
lb.fit(dep_tag_list)
lb_t = lb.transform(sample_list)
sample_dict = {key:value for (key,value) in zip(sample_list, lb_t)}

此代码运行时间：--2.9169740676879883秒---

这段代码运行时：--0.6299951076507568秒---

---

我是在比较苹果吗？为什么LabelBinarizer这么慢？

LabelBinarizer是一个包装器。也可以在某些其他scikit实用程序内部使用。因此，它需要注意传递给它的数据是否合适

为此，它对传递的数据执行多个检查。请查看以下的源代码：

---

因此，您可以看到它正在检查传递的

y

是否属于可以由scikit算法处理的合适类型。之后，数据被传递到

label_binarize

which，后者对其执行其他附加检查。我认为这就是它缓慢的原因。

谢谢你的回复。我想比较一下从熊猫身上得到的假人更合适。得到傻瓜仍然是一条路faster@user1700890因为get_dummies仍然不会做我提到的所有检查抱歉，我不清楚。得到你的假人要比labelbinarizer@user1700890是的，我知道。get_dummies的速度更快，因为它不会像我提到的LabelBinarizer那样进行所有检查

start_time = time.time()
result = lb.transform(sample_list*1000000)
print("--- %s seconds ---" % (time.time() - start_time))

start_time = time.time()
result = [sample_dict[el] for el in sample_list*1000000]
print("--- %s seconds ---" % (time.time() - start_time))

y_is_multilabel = type_of_target(y).startswith('multilabel')
if y_is_multilabel and not self.y_type_.startswith('multilabel'):
    raise ValueError("The object was not fitted with multilabel"
                     " input.")

return label_binarize(y, self.classes_,
                      pos_label=self.pos_label,
                      neg_label=self.neg_label,
                      sparse_output=self.sparse_output)