python - 用于访问 Pandas 中的列的括号表示法和点表示法之间的速度差异

Question

让我们有一个小数据框:df = pd.DataFrame({'CID': [1,2,3,4,12345, 6]})

当我搜索成员资格时，速度会因我要求在 df.CID 或 df['CID'] 中搜索而有很大不同。

In[25]:%timeit 12345 in df.CID
Out[25]:89.8 µs ± 254 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In[26]:%timeit 12345 in df['CID']
Out[26]:42.3 µs ± 334 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In[27]:type( df.CID)
Out[27]: pandas.core.series.Series

In[28]:type( df['CID'])
Out[28]: pandas.core.series.Series

这是为什么？

Answer 1

df['CID'] 委托(delegate)给 NDFrame.__getitem__并且更明显的是您正在执行索引操作。

另一方面，df.CID 委托(delegate)给 NDFrame.__getattr__ ，它必须做一些额外的繁重工作，主要是确定“CID”是属性、函数还是您使用属性访问调用的列(为了方便，但不推荐用于生产代码)。

---

现在，为什么不推荐呢？考虑一下，

df = pd.DataFrame({'A': [1, 2, 3]})
df.A

0    1
1    2
2    3
Name: A, dtype: int64

将列“A”引用为 df.A 没有问题，因为它不与 pandas 中的任何属性或函数命名冲突。但是，请考虑 pop功能(仅作为示例)。

df.pop
# <bound method NDFrame.pop of ...>

df.pop 是df 的绑定(bind)方法。现在，出于各种原因，我想创建一个名为“pop”的栏目。

df['pop'] = [4, 5, 6]
df
   A  pop
0  1    4
1  2    5
2  3    6

很好，但是，

df.pop
# <bound method NDFrame.pop of ...>

我无法使用属性符号来访问此列。然而……

df['pop']

0    4
1    5
2    6
Name: pop, dtype: int64

括号符号仍然有效。这就是为什么这样更好。