Python：这是在熊猫数据框中查找索引的快速方法？

Question

我有一个如下所示的数据框

df = 
    a   ID1         ID2         Proximity
0   0   900000498   NaN         0.000000
1   1   900000498   900004585   3.900000
2   2   900000498   900005562   3.900000
3   3   900000498   900008613   0.000000
4   4   900000498   900012333   0.000000
5   5   900000498   900019524   3.900000
6   6   900000498   900019877   0.000000
7   7   900000498   900020141   3.900000
8   8   900000498   900022133   3.900000
9   9   900000498   900022919   0.000000

我想为给定的夫妇找到ID1-ID2相应的Proximity值。例如，给定[900000498, 900022133]我想要的输入作为输出3.900000

Answer 1

如果这是一个常见操作，那么我loc会将索引设置为这些列，然后您可以使用并传递 col 值的元组来执行索引查找：

In [60]:
df1 = df.set_index(['ID1','ID2'])

In [61]:
%timeit df1.loc[(900000498,900022133), 'Proximity']
%timeit df.loc[(df['ID1']==900000498)&(df['ID2']==900022133), 'Proximity']
1000 loops, best of 3: 565 µs per loop
100 loops, best of 3: 1.69 ms per loop

您可以看到，一旦 cols 形成索引，则查找比过滤操作快 3 倍。

输出几乎相同：

In [63]:
print(df1.loc[(900000498,900022133), 'Proximity'])
print(df.loc[(df['ID1']==900000498)&(df['ID2']==900022133), 'Proximity'])

3.9
8    3.9
Name: Proximity, dtype: float64