pandas.dataframe.groupbyが最初に変数に割り当てられた方が速いのはなぜですか？

Question

誰でも、私が思っていた以下の2つのやり方、なぜなら同じことをpandas.dataframe groupbyのという方法で、iPythonのMagic％timeitに従った別の時間で完了する理由を理解できますか？

%timeit somedf.groupby('someBoolColumn')['someBoolColumn'].count() 
484 µs ± 9.52 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

%%timeit grp = somedf.groupby('someBoolColumn') 
grp['someBoolColumn'].count() 
146 µs ± 1.47 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each) 

somedfは、7200行24列を有する。

変数GRPにオブジェクトを割り当てる2つのライナが最初> 3
倍速く、また、なぜ私は

、

を見つけることができません。

1. これがgroupbyメソッドに固有の場合は パンダやPythonの場合はさらに一般的なものです（例： 可変アサイメント）。このように任意の啓発のための

多くのおかげで、本当に私はパラメータの多くの異なる組み合わせで繰り返し、処理したいのですが、多くの非常に大きなデータフレームで役立つだろう。

Answer 1

Ipythonの%timeit docs状態：セルモードで

、文の最初の行には、セットアップコードとして使用される（ 実行が、タイミングではない）と、セルの本体は計時されます。セル本体には、セットアップコードで作成された任意の変数 があります。

（私の強調）。 cell modeは、ダブルパーセント形式%%timeitを使用してトリガーされます。 IPythonのプリントは、あなたがIPythonプロンプトで%magicを入力ドキュメントの宣伝文句もあります：numpyののSVDルーチンの実行を時間を計るます

%%timeit x = numpy.random.randn((100, 100)) 
numpy.linalg.svd(x) 

はの一環として、X の割り当てを実行しています、セットアップ段階ではありません。

---

したがって、

%%timeit grp = somedf.groupby('someBoolColumn') 
grp['someBoolColumn'].count() 

代入grp = somedf.groupby('someBoolColumn')をgrp['someBoolColumn'].count()タイミングではなく、。

%%timeit 
grp = somedf.groupby('someBoolColumn') 
grp['someBoolColumn'].count() 

セルが終了する：

は単に%%timeit後の最初の行を空白のままにしておき、時間に両方のステートメントを%%timeitを使用するには、次のセットアップラインなし%%timeitを使用する方法

---

と入力してを2回入力します。