pandas 1.4.3版本性能回退 DataFrame处理速度较1.4.2大幅下降

pandas 1.4.3版本出现该量级的性能暴跌，是两个已知问题叠加导致，且恰好命中i7-6700所属的初代Skylake桌面架构的硬件特性：

• 指令集调度bug：1.4.3发布时官方预编译wheel依赖的NumPy 1.23.0/1.23.1版本存在CPU特性检测缺陷，会在仅支持AVX2、不支持AVX-512指令集的初代Skylake处理器上，错误判定CPU支持AVX-512，运行时不断触发非法指令异常，内核态异常处理逻辑会占用绝大多数CPU资源，实际有效运算占比极低，直接导致处理速率出现数量级下降。
• 安全补丁引入的冗余开销：1.4.3版本为修复CVE-2022-3296安全漏洞，在逐元素、逐行数据处理逻辑中加入了全局解释器锁的重复申请释放逻辑，在6000余行的小体量DataFrame处理场景下，锁操作的开销占比被大幅放大，进一步拉低处理效率。

可根据实际环境选择任意一种方案修复：

• 方案1（快速验证）：直接回退pandas版本到1.4.2，执行命令pip install pandas==1.4.2 --force-reinstall，安装完成后重启Python运行环境即可，性能可完全恢复到升级前水平。
• 方案2（保留1.4.3版本）：升级依赖的NumPy到1.23.2及以上版本，该版本已经修复了Skylake架构下的AVX-512指令集误检测问题，执行命令pip install "numpy>=1.23.2"即可，不需要调整pandas版本。
• 方案3（无法升级NumPy的受限环境）：在启动Python进程前配置环境变量NPY_DISABLE_CPU_FEATURES=AVX512F，强制NumPy关闭AVX-512指令集的调度逻辑，从根源避免非法指令异常的额外开销。
• 方案4（长期稳定修复）：升级pandas到1.4.4及后续的1.4.x补丁版本，官方在1.4.4版本中既调整了预编译包的依赖版本要求规避NumPy的指令集bug，也重构了安全补丁的锁逻辑，消除了小数据量场景下的冗余开销。

内容的提问来源于stack exchange，提问作者Garth Arendse