不要再在 pandas 循环中使用 loc/iloc 了！

主要观点总结

本文主要讨论了Python中循环使用“loc”和“iloc”的时间效率问题，以及提供了使用“at”和“iat”作为替代方案的说明。文章还解释了“loc”、“iloc”、“at”和“iat”之间的区别及其在运行时间上存在差异的原因。

关键观点总结

关键观点1: “loc”和“iloc”在Pandas中的用途

“loc”用于使用行索引和列名访问DataFrame内的值，而“iloc”用于使用索引和列号访问值。

关键观点2: 使用“loc”在循环中的时间消耗

在DataFrame df中添加新列“c”的示例中，使用“loc”进行迭代和更新值所需的时间大约为40分钟。

关键观点3: 使用“at”作为“loc”的替代方案

通过使用“at”替换“loc”（或“iat”替换“iloc”）可以显著提高代码的执行效率，执行时间可以缩短约60倍。

关键观点4: 'at'和'iat'与'loc'和'iloc'之间的运行时间差异的原因

'at'和'iat'用于访问标量值，是轻量级的，因此比'loc'和'iloc'（用于访问系列/数据帧）执行速度快。

关键观点5: 建议

在Python的循环中使用“loc”/“iloc”并不是最佳选择，应尽量避免使用。相反，应在需要的地方使用“at”/“iat”，因为它们更快速。

免责声明