Pandas的索引index的用途（十一）

1、Pandas的索引index的用途

• 把数据存储于普通的column列也能用于数据查询，那使用index有什么好处？

• index的用途总结：

    1、更方便的数据查询；
    2、使用index可以获得性能提升；
    3、自动的数据对齐功能；
    4、更多更强大的数据结构支持；
  

2、实例用途

• （1）读取数据

import pandas as pd
df = pd.read_csv("./datas/ml-latest-small/ratings.csv")
df.count()#记录每一列的数目

• （2）使用index查询数据

# drop==False，让索引列还保持在column
df.set_index("userId", inplace=True, drop=False)
df.index
# 使用index的查询方法
df.loc[500].head(5)
# 使用column的condition查询方法（同上）
df.loc[df["userId"] == 500].head()

• （3）使用index会提升查询性能

  • 如果index是唯一的，Pandas会使用哈希表优化，查询性能为O(1);
  • 如果index不是唯一的，但是有序，Pandas会使用二分查找算法，查询性能为O(logN);
  • 如果index是完全随机的，那么每次查询都要扫描全表，查询性能为O(N);
    

• 试验1：完全随机的顺序查询

# 将数据随机打散
from sklearn.utils import shuffle
df_shuffle = shuffle(df)
df_shuffle.head()
# 索引是否是递增的
df_shuffle.index.is_monotonic_increasing
# 索引是否是唯一的
df_shuffle.index.is_unique
# 计时，查询id==500数据性能
%timeit df_shuffle.loc[500]

• 实验2：将index排序后的查询

df_sorted = df_shuffle.sort_index()
# 索引是否是递增的
df_sorted.index.is_monotonic_increasing
df_sorted.index.is_unique
%timeit df_sorted.loc[500]

• （4）使用index能自动对齐数据

包括series和dataframe

s1 = pd.Series([1,2,3], index=list("abc"))
s2 = pd.Series([2,3,4], index=list("bcd"))
s1+s2

• （5）使用index更多更强大的数据结构支持
  很多强大的索引数据结构
  • CategoricalIndex，基于分类数据的Index，提升性能；
  • MultiIndex，多维索引，用于groupby多维聚合后结果等；
  • DatetimeIndex，时间类型索引，强大的日期和时间的方法支持；