Ich habe einen Datenrahmen df mit einem Spaltennamen 'Store'. Wenn ich die Spalte abrufen möchte, funktionieren die folgenden Zeilen gleich gut - df['Store'] oder df[:]['Store'] oder df[:,'Store'].Unterschied zwischen df.loc ['col name'], df.loc [index] ['col name'] und df.loc [index, 'col name'] in Pandas?
Was ist der Unterschied zwischen den beiden? Und sollte man über den anderen gebraucht werden?
Vielen Dank.
df.loc[index, 'col name'] ist mehr idiomatische und bevorzugt, vor allem, wenn Sie Zeilen
Demo filtern möchten: für 1.000.000 x 3 Form DF
In [26]: df = pd.DataFrame(np.random.rand(10**6,3), columns=list('abc'))
In [27]: %timeit df[df.a < 0.5]['a']
10 loops, best of 3: 45.8 ms per loop
In [28]: %timeit df.loc[df.a < 0.5]['a']
10 loops, best of 3: 45.8 ms per loop
In [29]: %timeit df.loc[df.a < 0.5, 'a']
10 loops, best of 3: 37 ms per loop
Für den Bau, wo Sie nur eine Spalte und don brauchen‘ t Filterreihen wie df[:]['Store'] - es ist besser, einfach df['Store'] zu verwenden:
In [30]: %timeit df[:]['a']
1000 loops, best of 3: 436 µs per loop
In [31]: %timeit df.loc[:]['a']
10000 loops, best of 3: 25.9 µs per loop
In [36]: %timeit df['a'].loc[:]
10000 loops, best of 3: 26.5 µs per loop
In [32]: %timeit df.loc[:, 'a']
10000 loops, best of 3: 126 µs per loop
In [33]: %timeit df['a']
The slowest run took 5.08 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 8.17 µs per loop
Uncoditional Zugang von multip Säulen:
In [34]: %timeit df[['a','b']]
10 loops, best of 3: 22 ms per loop
In [35]: %timeit df.loc[:, ['a','b']]
10 loops, best of 3: 22.6 ms per loop