最近，在我的日常工作中，我注意到到在循环中使用iloc/loc会花费大量时间来执行。接下来的问题是，为什么loc会花费太多时间，以及loc的替代选项是什么？

在本文中，我们将通过一些实际示例来回答这些问题。

理解loc—— 如果你还不了解！

loc[]函数是pandas库的一个函数，它通过行索引和列名来访问DataFrame的值。当需要访问特定的行和列时，它非常有用。

让我通过一个例子来解释loc。考虑下面提供的数据框：

df = pd.DataFrame(data=np.random.randint(0, 50, size=(500000, 2)), 
                  columns=['a', 'b'])

我们的目标是检索第二行在'a'列中对应的值，即19。可以通过下面的代码实现：

类似地，iloc则是通过使用行和列索引访问值。

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循环中使用loc/iloc会发生什么?

想象一下，我们想要添加一个新的列c到我们的数据框 df 中，其值等于列a和列b的值之和。

使用for循环，我们可以遍历DataFrame，并使用loc函数添加一个新的列c，如下所示：

import time

start = time.time()
for index, row in df.iterrows():
    df.loc[index, 'c'] = row.a + row.b
end = time.time()
print(f'Time taken: {round(end-start, 2)} seconds!')

可以看出使用loc来迭代和更新值（50万行）用时大约57.15秒，看起来可以接受，但是如果数据量继续增大呢，比如500万行甚至更多，那耗时将会显著增加。

替代选项：使用at代替loc

我们可以通过将loc替换为at（或将iloc替换为iat）来执行相同的操作，如下所示。

import time

start = time.time()
for index, row in df.iterrows():
    df.at[index, 'c'] = row.a + row.b
end = time.time()
print(f'Time taken: {round(end-start, 2)} seconds!')

这种方法代码执行时间将近34秒，比loc函数所用的时间快约1.7倍。

loc vs at为什么在运行时存在差异?

• at / iat

at和iat表示访问一个标量，即DataFrame中的单个元素，如下所示：

如果我们尝试使用at和iat访问一个序列，那么它会抛出一个错误，如下所示：

• loc/iloc

loc和iloc意味着可以同时访问多个元素（序列/数据框），底层执行的是向量化操作。

因为，at用于访问标量值，所以它是轻量级的（实现速度很快），而loc用于访问序列或数据框，因此会占用更多的空间和时间。

结论

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

“

另外，请记住，当我们在python的循环外应用向量化运算时，loc / iloc的效率则会更好。

如果你觉得这篇文章对你有用，请“点赞➕在看➕分享➕关注”支持我（关注我，不迷路🤭🤭🤭），你的点赞和关注就是我持续创作分享的动力，让更多的朋友发现并加入我们，共同学习和进步！

Thank you for reading!

- END -