Dalla documentazione di panda, ho rilevato che gli indici a valore unico rendono certe operazioni efficienti e che gli indici non univoci sono talvolta tollerati.Qual è l'impatto sulle prestazioni degli indici non univoci nei panda?
Dall'esterno, non sembra che gli indici non univoci siano sfruttati in alcun modo. Ad esempio, la seguente ix
query è abbastanza lento che sembra essere la scansione dell'intera 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
(mi rendo conto che le due ix
query non restituiscono la stessa cosa - è solo un esempio che chiama a ix
su un indice non univoco appaiono molto più lenti)
Esiste un modo per convincere i panda a utilizzare metodi di ricerca più veloci come la ricerca binaria su indici non univoci e/o ordinati?
risposta Consigliatissimo! Apprezzalo. – Neerav