从 pandas 文档中,我收集到唯一值索引使某些操作高效,并且偶尔可以容忍非唯一索引。
从外部看,非唯一索引似乎并没有被以任何方式利用。例如,以下ix
查询速度很慢,以至于它似乎正在扫描整个数据帧
In [23]: import numpy as np
In [24]: import pandas as pd
In [25]: x = np.random.randint(0, 10**7, 10**7)
In [26]: df1 = pd.DataFrame({'x':x})
In [27]: df2 = df1.set_index('x', drop=False)
In [28]: %timeit df2.ix[0]
1 loops, best of 3: 402 ms per loop
In [29]: %timeit df1.ix[0]
10000 loops, best of 3: 123 us per loop
(我意识到这两个ix
查询不返回相同的东西——这只是一个例子,ix
对非唯一索引的调用看起来要慢得多)
有什么方法可以哄熊猫使用更快的查找方法,例如对非唯一和/或排序索引进行二进制搜索?