我需要在Pandas索引中找到标签的整数位置。我知道可以使用get_loc方法,但后来发现了searchsorted。只是想知道是否应该使用后者以提高速度,因为我需要搜索成千上万个标签。
这将取决于您的用例。使用@ayhan的示例。
使用get_loc
时,第一次查找需要创建哈希表,因此前期成本较高。
In [22]: idx = pd.Index(['R{0:07d}'.format(i) for i in range(10**7)])
In [23]: to_search = np.random.choice(idx, 10**5, replace=False)
In [24]: %time idx.get_loc(to_search[0])
Wall time: 1.57 s
但是,后续的查找可能会更快。 (不能保证,取决于数据)
In [9]: %%time
...: for i in to_search:
...: idx.get_loc(i)
Wall time: 200 ms
In [10]: %%time
...: for i in to_search:
...: np.searchsorted(idx, i)
Wall time: 486 ms
get_loc
保证始终有效,而searchsorted
则需要单调性(而且不进行检查)。