python – pandas性能问题 – 需要帮助来优化

我写了一些python代码,大量使用pandas库.代码似乎有点慢,所以我通过cProfile运行它来查看瓶颈所在.
根据cPro​​file结果的一个瓶颈是对pandas.lib_scalar_compare的调用：

1604  262.301    0.164  262.301    0.164 {pandas.lib.scalar_compare}

我的问题是 – 在什么情况下这会被称为？当我选择部分DataFrame时,我会假设它.
这是我的代码的样子：

if (var=='9999'):
    dataTable=resultTable.ix[(resultTable['col1'] == var1)  
                                             & (resultTable['col2']==var2)].copy() 
else:
    dataTable=resultTable.ix[(resultTable['col1'] == var1)  
                                           & (resultTable['col2']==var2)
                                           & (resultTable['col3']==int(val3))].copy() 

我有以下问题：

>这是最终调用导致瓶颈的代码的代码片段吗？
>如果是的话,还有优化吗？
我目前使用的熊猫版本是pandas-0.8.

任何有关这方面的帮助将不胜感激.

解决方法:

我的代码花了很多时间在pandas.lib.scalar_compare上,通过将基于字符串的列的数据类型转换为’category’,我能够将速度提高10倍.

例如：

   $df['ResourceName'] = df['ResourceName'].astype('category')

有关更多信息,请参阅https://www.continuum.io/content/pandas-categoricals