はじめに

データを処理する上で、奇数行 or 偶数行にフラグを立てるという作業が発生した。
その際に高速化のために色々と試したのでメモっておく。

前提条件

前提条件として、以下のような10000行のデータフレームを持っているとする。

df = pd.DataFrame({'hoge':np.zeros(10000)}
df

このデータフレームに、'target_record'という奇数行 or 偶数行にフラグがたった以下のような列を追加する。

df['target_record'] = [1,0,1,0,1,...,0,1,0,1,0]
df

このtarget_record列を作る際の時間を計算する。
ちなみに、処理時間は10000回計測した平均を求めた。

処理速度比較

loc + スライス

まずは、最も単純？な方法から
全レコードに0を代入した'target_record'列を追加し、loc + スライスで指定の行に1を代入するというもの。

df['target_record'] = 0
df.loc[0::2, 'target_record'] = 1  # 偶数行の場合は df.loc[1::2, 'target_record'] = 1

# 平均処理時間: 0.0009912237882614137 sec

ちなみにilocだと、

df['target_record'] = 0
df.iloc[0::2, 1] = 1

# 平均処理時間: 0.0009658613920211792 sec

若干locよりも早い？

np.zeros + スライス

locの処理速度が遅いのは有名な話なので、numpyで配列を作ってスライスで1を代入するというもの。

target_record = np.zeros(10000, dtype=int)
target_record[0::2] = 1  # 偶数行の場合は target_record[1::2] = 1
df['target_record'] = target_record

# 平均処理時間: 0.00035130116939544677 sec

処理時間が約1/3になった。

np.arange + 剰余

np.arange(10000)で0~9999の配列を作って、2で割った余りの値を代入するというもの。

target_record = np.arange(10000)
df['target_record'] = (target_record + 1) % 2  # 偶数行の場合は df['target_record'] = target_record % 2

# 平均処理時間: 0.00046031529903411863 sec

ちょっと工夫した処理だけどnp.zeros + スライスの方が0.0001秒速いらしい。

まとめ

奇数行 or 偶数行にフラグを立てるときは、np.zeros + スライスが最速？

ちなみに、処理ごとに時間を測ってみると、処理速度の差を分けたのは
剰余の計算かスライスで代入かという違いだった。
np.zerosとnp.arangeの処理速度にはほとんど差がなかった（1.0e-06秒だけzerosが速い）。