Python 唯一索引的索引查找速度较慢

我想在使用熊猫数据帧时快速查找索引。如前所述，我明白我需要保持索引的唯一性，否则一切希望都将破灭

我确保索引已排序且唯一：

df = df.sort_index()
assert df.index.is_unique

我测量了查找速度：

%timeit df.at[tuple(q.values), 'column']
1000 loops, best of 3: 185 µs per loop

然后，当我将索引移动到单独的python字典时：

index = {}
for i in df.index:
  index[i] = np.random.randint(1000)
assert len(index) == len(df.index)

我得到了一个巨大的加速：

%timeit index[tuple(q.values)]
100000 loops, best of 3: 2.7 µs per loop

---

为什么会这样？我做错什么了吗？有没有办法复制python dict的速度（或者是一些有趣的行为。我的最佳猜测是，一个数据帧有很多dict没有的包袱。此外，数据帧不是为查找而优化的，而是为矩阵运算而优化的。这是一个潜在的问题，但仍然存在一个问题，即如何禁用pandas开销以接近dict的性能。我是c目前只是把一个dict放在pandas索引的顶部，但肯定有人会遇到这个问题，并将解决方案合并到pandas中？还是有一个内在的原因使得不可能将一个合适的dict作为索引？有趣的行为。我最好的猜测是，一个数据帧附带了很多dict没有的包袱。数据帧也不是为查找而优化，但用于矩阵运算。这是一个基本问题，但仍然存在一个问题，即如何禁用pandas开销以接近dict的性能。我目前只是将dict放在pandas索引的顶部，但肯定有人会在之前遇到此问题并将解决方案合并到pandas中？或者是否有一个内在的原因，使有一个适当的dict作为索引是不可能的？