Python 如何通过同时执行pandas.Series上的多个算术运算来提高运算速度？

我有这样的代码：

large_series += add_factor
large_series *= multiply_factor

其中

large_series

是一个大型

pandas.series

这段代码占用了我大量的运行时间，我想对它进行优化。一个观察结果是，与其将其作为两个单独的操作来执行，不如先将整个

系列

相加，然后将整个

系列

相乘，这可以通过一个操作来完成：递增并乘以

系列

中的每个值

如何做到这一点

---

我听说过像Numba这样的Panda的JIT优化器，我想知道这样的优化器是否也有帮助。

提高速度的一种方法是使用更多的处理器。您可以使用

导入modin.pandas as pd

（必须先安装）

和熊猫在一起 和莫丁，熊猫

---

实际代码是否更复杂？或者你有什么理由不能只做

large\u series=multiply\u factor*（large\u series+add\u factor）

？@ScottStaniewicz你的代码做了完全相同的事情，成本也完全相同，它只是放在一行上。

import pandas as pd
import time

df = pd.DataFrame({'a':[random.randint(0, 1e3) for _ in range(int(1e6))]})

add_factor = 2193
multiply_factor = 4353

s = time.time()
df.a += add_factor
df.a *= multiply_factor
print(time.time()-s, 'seconds elapsed')
0.13749933242797852 seconds elapsed

import modin.pandas as pd
import time

df = pd.DataFrame({'a':[random.randint(0, 1e3) for _ in range(int(1e6))]})

add_factor = 2193
multiply_factor = 4353

s = time.time()
df.a += add_factor
df.a *= multiply_factor
print(time.time()-s, 'seconds elapsed')
0.08657097816467285 seconds elapsed