[Python] Pandas, Numpy 성능 향상 (feat.Pandas vs Numpy)

• Pandas의 인덱스 접근 함수 중 at이 가장 빠르며, 빈번한 인덱싱과 데이터 읽기/쓰기 작업에서는 at과 iat를 사용하는 것이 성능에 유리하다.

• Pandas의 DataFrame에서 각 셀을 개별적으로 업데이트하는 것보다 Numpy의 array로 행을 만들어 교체하는 것이 더 빠르다.

• Pandas의 DataFrame을 Numpy의 ndarray로 대체하는 것이 성능 면에서 더 나을 수 있다.

• 데이터 형태에 따라 다르지만, 성능 이슈가 있을 경우 Numpy array를 활용한 행별 업데이트가 가장 큰 성능 향상을 가져올 수 있다.