熊貓的索引編制有什麼意義？

Question

有人可以指點我的鏈接或提供熊貓索引的好處的解釋嗎？我經常處理表格，並根據列加入它們，而這種加入/合併過程似乎無論如何都會重新編制索引，因此，考慮到我認爲我不需要，應用索引標準有點麻煩。

關於索引最佳實踐的任何想法？

Answer 1

與字典一樣，DataFrame的索引由哈希表支持。根據索引值查找行 就像查找基於密鑰的字典值。

相反，列中的值與列表中的值相似。

根據索引值查找行比根據列值查找行更快。

例如，考慮

df = pd.DataFrame({'foo':np.random.random(), 'index':range(10000)}) 
df_with_index = df.set_index(['index']) 

這裏是你如何可以查找在df['index']列等於999 大熊貓必須通過在列查找那些等於999的每一個值循環任何行。

df[df['index'] == 999] 

#   foo index 
# 999 0.375489 999 

這裏是你如何能查找其中指數等於999隨着指數的任何行，熊貓使用散列值找到行：

df_with_index.loc[999] 
# foo  0.375489 
# index 999.000000 
# Name: 999, dtype: float64 

仰望通過索引行是比列的值查找行更快：

In [254]: %timeit df[df['index'] == 999] 
1000 loops, best of 3: 368 µs per loop 

In [255]: %timeit df_with_index.loc[999] 
10000 loops, best of 3: 57.7 µs per loop 

不過請注意，它需要時間來建立索引：所以具有指數

In [220]: %timeit df.set_index(['index']) 
1000 loops, best of 3: 330 µs per loop 

只有當你有很多 這種類型的查詢才能執行。

有時，索引在重新整形DataFrame中發揮作用。許多功能，如​​，stack，unstack，pivot，pivot_table，melt， lreshape和crosstab，全部使用或操縱的指數。 有時我們需要將DataFrame用於不同的形狀以用於演示目的，或者需要join，merge或groupby操作。 （正如您注意的加入也可以基於列值完成，但基於索引的加入速度更快。）在幕後，join，merge和groupby儘可能利用快速索引查找。

時間序列有resample,asfreq和interpolate其底層實現也利用快速索引查找的方法。因此，最後，我認爲索引的有用性的起源，爲什麼它出現在如此多的函數中，是由於它能夠執行快速哈希 查找。