python - Python:哪一种是在Pandas数据框中查找索引的快速方法？

我有一个如下的数据框

df =
    a   ID1         ID2         Proximity
0   0   900000498   NaN         0.000000
1   1   900000498   900004585   3.900000
2   2   900000498   900005562   3.900000
3   3   900000498   900008613   0.000000
4   4   900000498   900012333   0.000000
5   5   900000498   900019524   3.900000
6   6   900000498   900019877   0.000000
7   7   900000498   900020141   3.900000
8   8   900000498   900022133   3.900000
9   9   900000498   900022919   0.000000

我想为给定的一对ID1-ID2查找相应的Proximity值。
例如给定我想要的输入[900000498, 900022133]作为输出3.900000

最佳答案

如果这是常见操作，则将索引设置为这些列，然后可以使用loc执行索引查找并传递col值的元组:

In [60]:
df1 = df.set_index(['ID1','ID2'])

In [61]:
%timeit df1.loc[(900000498,900022133), 'Proximity']
%timeit df.loc[(df['ID1']==900000498)&(df['ID2']==900022133), 'Proximity']
1000 loops, best of 3: 565 µs per loop
100 loops, best of 3: 1.69 ms per loop

您可以看到，一旦cols形成索引，则查找比过滤操作快3倍。

输出几乎相同:

In [63]:
print(df1.loc[(900000498,900022133), 'Proximity'])
print(df.loc[(df['ID1']==900000498)&(df['ID2']==900022133), 'Proximity'])

3.9
8    3.9
Name: Proximity, dtype: float64