Z dokumentacji pandy wynika, że indeksy o unikalnej wartości sprawiają, że niektóre operacje są wydajne, a nieunikalne indeksy są czasami tolerowane.Jaki jest wpływ nie unikatowych indeksów na wydajność w pandach?
Z zewnątrz nie wygląda na to, że nieunikalne wskaźniki są w jakikolwiek sposób wykorzystywane. Na przykład, następujący ix
zapytanie jest na tyle powolny, że wydaje się być skanowanie całego dataframe
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
(zdaję sobie sprawę, że dwa ix
zapytań nie wraca to samo - to tylko przykład, który wzywa do ix
na nieunikalnym indeksie pojawia się znacznie wolniej)
Czy istnieje sposób na zachęcenie pand do stosowania szybszych metod wyszukiwania, takich jak wyszukiwanie binarne na nieunikalnych i/lub posortowanych indeksach?
Gorąco polecam odpowiedź! Doceniam to. – Neerav