Python 熊猫中df.loc['；col name'；]，df.loc[index]['；col name'；]和df.loc[index，'；col name'；]之间的差异？

我有一个数据帧

df

，列名为“Store”。如果我想检索该列，下面几行同样有效-

df['Store']

或

df[：]['Store']

或

df[：，'Store']

这两者的区别是什么？一个应该被使用而不是另一个吗

---

谢谢。

df.loc[index，'col name']

更为惯用和首选，尤其是当您想要筛选行时

演示：用于1.000.000 x 3形状DF

In [26]: df = pd.DataFrame(np.random.rand(10**6,3), columns=list('abc'))

In [27]: %timeit df[df.a < 0.5]['a']
10 loops, best of 3: 45.8 ms per loop

In [28]: %timeit df.loc[df.a < 0.5]['a']
10 loops, best of 3: 45.8 ms per loop

In [29]: %timeit df.loc[df.a < 0.5, 'a']
10 loops, best of 3: 37 ms per loop

无条件访问多列：

In [34]: %timeit df[['a','b']]
10 loops, best of 3: 22 ms per loop

In [35]: %timeit df.loc[:, ['a','b']]
10 loops, best of 3: 22.6 ms per loop

---

df.loc[index，'col name']

更为惯用和首选，尤其是当您想要筛选行时

演示：用于1.000.000 x 3形状DF

In [26]: df = pd.DataFrame(np.random.rand(10**6,3), columns=list('abc'))

In [27]: %timeit df[df.a < 0.5]['a']
10 loops, best of 3: 45.8 ms per loop

In [28]: %timeit df.loc[df.a < 0.5]['a']
10 loops, best of 3: 45.8 ms per loop

In [29]: %timeit df.loc[df.a < 0.5, 'a']
10 loops, best of 3: 37 ms per loop

无条件访问多列：

In [34]: %timeit df[['a','b']]
10 loops, best of 3: 22 ms per loop

In [35]: %timeit df.loc[:, ['a','b']]
10 loops, best of 3: 22.6 ms per loop