假设我有以下 Dataframe ：
| 密码|价格|
| --------------|--------------|
| AA1|10个|
| AA1|二十|
| BB2|三十|
我想对它执行以下操作：

df.groupby("code").aggregate({
    "price": "sum"
})

我试过使用Pandas 2.0中引入的新的pyarrow dtypes，我创建了3个副本，并为每个副本测量了上述操作的执行时间（平均5次执行）。
| 代码列dtype|价格列dtype|执行时间|
| --------------|--------------|--------------|
| 对象|浮动64|2.94秒|
| 字符串[pyarrow]|双[皮雅罗]|49.5秒|
| 字符串[pyarrow]|浮动64|1.11秒|
谁能解释一下为什么在一个具有double pyarrow dtype的列上应用一个聚合函数与标准的numpy float 64 dtype相比如此之慢？