python - Pandas iloc vs 直接切片？

Question

我已经阅读了很多关于 iloc 与 loc 的讨论，我理解它们之间的区别，但我不明白它们之间的区别是什么:

indexed_data['var'][0:10]

对比

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

这些似乎是同一件事，并提供相同的输出。

我错过了什么吗？谢谢!

Answer 1

在 pandas 的最新版本中，这是为 ix 函数工作的。

但是来自 pandas 0.20+ ix indexer is deprecated .

所以使用 get_loc 获取 var 列的位置并仅使用 iloc 进行选择:

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

---

我认为两者之间的区别:

indexed_data['var'][0:10]

和:

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

主要在][。我认为最好的办法是避免它，因为可能存在 chaining indexing。

---

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.

所以最好的办法是在这里使用像loc、iloc这样的原生pandas函数。

然后尝试比较为每个方法调用的函数，但在 40 分钟后我停止了它(确实调用了很多函数)。

我检查了时间并且每个函数都不同:

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