熊貓伊洛與直接切片？

Question

我讀過很多關於ILOC VS祿討論，我理解上的差異，但我不明白的是什麼之間的區別：VS

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

這些似乎

indexed_data['var'][0:10] 

是一樣的東西，並提供相同的輸出。

我錯過了什麼嗎？謝謝！

Answer 1

在熊貓的最新版本中，這是ix函數的工作。

但是來自熊貓0.20+ ix indexer is deprecated。

所以使用get_loc爲var柱的位置，只有iloc選擇：

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

---

在這兩者之間我認爲區別：

indexed_data['var'][0:10] 

和：

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

主要在][。我認爲最好的是避免它，因爲可能chaining indexing。

---

Modern pandas by Tom Augspurger (pandas dev) get advice：

粗糙的規則是你看到的背到後面括號任何時候，] [，你是在自找麻煩。將其替換爲.loc[..., ...]，您將被設置。

所以最好的是使用本地熊貓功能，如loc，iloc這裏。

然後嘗試比較函數調用每個方法，但一個40分鐘後，我停止它（真的很多函數被稱爲）。

我檢查定時，且每項功能的不同：

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 

Answer 2

替代解決方案：

indexed_data.loc[indexed_data.index[0:10], 'var'] 

請仔細閱讀Pandas docs about "Different Choices for Indexing" - 這將有助於決定使用不同的情況下，其索引...