熊猫iloc vs直接切片？

Question

我已经阅读了很多关于iloc vs loc的讨论,我理解差异,但我不明白的是它们之间的区别是什么:

indexed_data['var'][0:10]

VS

indexed_data['var'].iloc[0:10]

这些似乎是相同的东西,并提供相同的输出.

我错过了什么吗？谢谢!

Answer 1

在熊猫的最新版本中,这是ix功能的工作.

但是从pandas 0.20+ ix indexer不推荐使用.

因此,使用列的get_loc位置var并iloc仅选择:

indexed_data.iloc[0:10, df.columns.get_loc('var')]

在我看来之间的区别:

indexed_data['var'][0:10]

和:

indexed_data['var'].iloc[0:10]

主要是在][.我认为最好的是避免它,因为可能chaining indexing.

Tom Augspurger(熊猫开发)的现代大熊猫获得建议:

粗略的规则是任何时候你看到背靠背的方括号,] [,你在寻找麻烦.将其替换为a .loc[..., ...],您将被设置.

所以最好是使用原生大熊猫之类的函数loc,iloc在这里.

然后尝试比较为每个方法调用的函数,但是在一个40分钟后我停止它(实际上调用了很多函数).

我检查时间并且每个功能都不同:

indexed_data = pd.DataFrame(np.random.randint(3, size=(2000000,1)), columns=['var'])

In [151]: %timeit indexed_data['var'].iloc[0:100000]
10000 loops, best of 3: 62.1 µs per loop

In [152]: %timeit indexed_data['var'][0:100000]
10000 loops, best of 3: 82.3 µs per loop

In [153]: %timeit indexed_data.iloc[0:100000, indexed_data.columns.get_loc('var')]
10000 loops, best of 3: 155 µs per loop

In [154]: %timeit indexed_data.loc[indexed_data.index[0:100000], 'var']
100 loops, best of 3: 7.36 ms per loop

#numpy approach - output is array 
In [155]: %timeit indexed_data['var'].values[0:100000]
100000 loops, best of 3: 5.35 µs per loop

Answer 2

作为对其他答案的补充，另请注意文档中的以下注释：

虽然用于选择和设置的标准 Python / Numpy 表达式非常直观，并且对于交互式工作非常有用，但对于生产代码，我们推荐优化的 pandas 数据访问方法.at、.iat和。.loc.iloc