PANDAS 性能：哪个更好

Question

好的母羊专家，以下哪种 python pandas 更出色：性能 1）使用Python列表理解

import pandas as pd
df = pd.read_csv('datasets/Admission_Predict.csv', index_col=0)
df.columns = [x.lower().strip() for x in df.columns]
df.head()

2）使用内置的 pandas 数据框功能

df = pd.read_csv('datasets/Admission_Predict.csv', index_col=0)
df = df.rename(mapper=lambda str: str.lower().strip(), axis='columns')
df.head()

谷歌双子座指出： “在大多数情况下，使用 Python 列表理解比使用内置的 pandas DataFrame 功能进行列重命名性能更高。”

我已经尝试过，它们产生相同的结果

Answer 1

谈论性能，首先我认为我们应该关心它是否可能获得巨大的数量。所以我不认为标题有几列，甚至一千列会是这种情况。
试着这么说，如果我们关心函数如何工作，

df.columns

正在立即写入

columns

属性。但是

df.rename

必须经过几个逻辑和参数输入，那么编写

columns

是众多选择之一。我们可以在rename中读到逻辑。
=>

columns

作业肯定会更快。但如果我们只想重命名几个列并进行转换，我们需要

rename