不要再在pandas循环中使用 loc/iloc 了！

最近，我在尝试使用 Python 中的循环，并意识到在循环中使用“iloc”/“loc”需要花费大量时间来执行。下一个问题是为什么“loc”花费的时间太长，以及“loc”的替代方案是什么？

本文将通过一些实际例子来回答这些问题。

什么是 loc?

loc[] 函数是一个 pandas 函数，用于使用行索引和列名访问 DataFrame 内的值。当您知道要访问哪一行和哪一列时，可以使用它。

通过一个例子来理解 loc。我们有以下名为 df 的 pandas DataFrame（如下所示），我们想要访问列“a”中第二行对应的值，即 10。

我们可以使用以下代码访问该值：

类似地，iloc 用于使用索引和列号访问值。

因此，loc 函数用于使用列名访问列，而iloc 函数用于使用列索引访问列。

如果在 Python 中将 loc/iloc 与循环一起使用会发生什么？

想象一下，我们想要在 DataFrame df 中添加一个新列“c”，其值等于“a”列和“b”列的值之和。

使用“for”循环，我们可以遍历我们的 DataFrame 并使用 loc 函数添加新列“c”，如下所示：

使用 loc 进行迭代和更新值所需的时间大约为40 分钟，这是一个很长的时间。

替代方案：使用“at”代替“loc”

我们可以通过用“at”替换“loc”（或用“iat”替换“iloc”）来执行相同的操作，如下所示。

该代码执行时间约为0.7 分钟，比 loc 函数所用时间快 60 倍。

“loc”与“at”在运行时间上为何存在差异？

• ‘at’/‘iat’

at用于iat访问标量，即 DataFrame 中的单个元素，如下所示：

如果我们尝试使用以下方式访问系列at和iat，则会引发错误，如下所示：

• ‘loc’/‘iloc’

loc旨在iloc同时访问多个元素（系列/数据框），可能执行矢量化操作。

因为，at用于访问缩放器值，所以与loc用于访问系列/数据帧相比，它是轻量级的（实现速度很快），因此占用更多的空间和时间。

写在最后

在 Python 的循环中使用“loc”/“iloc”并不是最佳选择，应避免使用。相反，我们应该在需要的地方使用“at”/“iat”，因为它们比“loc”/“iloc”快得多。