python - 哪个更好？ np.where 或 .loc？

Question

我发现了两种根据条件替换数据框某些值的形式:

1. .loc

mask = df['param'].isnull()
df.loc[mask, 'param'] = 'new_value'

1. np.where()

mask = df['param'].isnull()
df['param'] = np.where(mask, 'new_value', df['param'])

两种形式都很好，但哪种形式更受青睐？关于这个问题，我什么时候应该使用 .loc 什么时候使用 np.where？

Answer 1

好吧，这不是一个完整的测试，但这是一个示例。在每次运行中(loc，np.where)，数据都被重置为带有种子的原始随机数。

玩具数据1

这里，np.nan 多于有效值。另外，列是float类型的。

np.random.seed(1)
df = pd.DataFrame({'param': np.random.choice((1, np.nan), 1000000, p=(0.3,0.7))})

# loc
%%timeit
mask = df['param'].isnull()
df.loc[mask, 'param'] = 'new_value'
# 46.7 ms ± 177 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

# np.where
%%timeit
mask = df['param'].isnull()
df['param'] = np.where(mask, 'new_value', df['param'])
# 86.8 ms ± 2.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

玩具数据2:

此处np.nan少于有效值，列为object类型:

np.random.seed(1)
df = pd.DataFrame({'param': np.random.choice(("1", np.nan), 1000000, p=(0.7,0.3))})

同样的故事:

df.loc[mask, 'param'] = 'new_value'
# 47.8 ms ± 350 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

df['param'] = np.where(mask, 'new_value', df['param'])
# 58.9 ms ± 1.72 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

与@cs95 的评论相反，loc 似乎优于 np.where。