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！
解决方法:
在最新版本的pandas中,这适用于ix功能.
但是从熊猫0.20 ix indexer is deprecated开始.
因此,将get_loc用于var列的位置,并仅使用iloc进行选择：
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[].我认为最好是避免它,因为可能链接索引.
Modern pandas by Tom Augspurger (pandas dev) get advice：
The rough rule is any time you see back-to-back square brackets, ][, you’re in asking for trouble. Replace that with a
.loc[..., ...]and you’ll be set.
所以最好是使用本地pandas函数,如loc,iloc here.
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
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
