Python 使用一行数据帧是否比使用一系列数据帧慢得多？

我遇到过一些遗留代码，其中数据存储为单行

pd.DataFrame

我的直觉是，在这种情况下，使用

pd.Series

会更快-我不知道他们是如何进行优化的，但我知道他们可以并且可以这样做
我的直觉正确吗？或者对于大多数行为来说没有显著差异

---

（澄清一下——显然最佳实践不是单行数据帧，但我想问的是性能问题）

是的，对于大量列，性能会受到显著影响。 你应该考虑一个<代码>数据文件< /COD>是一个代码< >代码> <代码>。因此，当你对一行执行操作时，<代码>熊猫> /COD>必须在执行操作之前先合并所有列值。 即使对于100个元素，您也可以看到其成功之处：

s = pd.Series(np.random.randn(100))
df = pd.DataFrame(np.random.randn(1,100))
%timeit s.sum()
%timeit df.sum(axis=1)


104 µs ± 5.08 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
194 µs ± 2.8 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

在我看来，没有理由使用索引值与

df的列名相同的
Series
来实现单行df

性能下降并不是线性的，对于10k阵列来说，性能下降并不是2倍：

s = pd.Series(np.random.randn(10000))
df = pd.DataFrame(np.random.randn(1,10000))
%timeit s.sum()
%timeit df.sum(axis=1)

149 µs ± 10.5 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
253 µs ± 36.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

数据类型呢？行中的所有项目都是相同的吗？为了我的目的，让我们假设它们是相同的（尽管我也对一般情况感兴趣），我是说一个是
10000
循环，其中一个是
1000
循环。@U9 Forward这与
timeit
有关，如果它检测到一个操作是否需要很长时间，则尝试限制循环的数量，如果某个操作冻结，则基本上停止10000次循环python@EdChum你是对的，没有理由只使用一行df，就像我说的，这是一些遗留代码，我想知道我是否应该担心。事实证明我应该@EdChum也一样-谢谢你的回答！这很有帮助。