Python和pandas:df[“colName”与df.loc[：，“colName”完全等效吗？

我已经测试了很多场景，在每一个场景中，

df['colName']

都输出了与

df.loc[：，'colName']

相同的东西

---

我只是想确定它们确实是完全相等的。

是的，它们做同样的事情。

df['colName']

将返回方括号中指定的列，
和

df.loc['rowName']

将返回方括号中指定的行。

df.loc['row1Name'：'row2Name'，'colName']

将返回列的所有元素 在括号中指定，从指定的第一行到指定的最后一行

df.loc[：，'colName']

基本上是告诉python返回指定列中的所有元素 从所有行中，它返回整个列

---

请注意，解析过程可能有所不同，一种方法可能比另一种更有效。

是的，它们做的事情相同。

df['colName']

将返回方括号中指定的列，
和

df.loc['rowName']

将返回方括号中指定的行。

df.loc['row1Name'：'row2Name'，'colName']

将返回列的所有元素 在括号中指定，从指定的第一行到指定的最后一行

df.loc[：，'colName']

基本上是告诉python返回指定列中的所有元素 从所有行中，它返回整个列

---

请注意，解析过程可能不同，一种方法可能比另一种更有效。

它们在提供输出方面是相同的，但在性能上有所不同。尝试以下示例并观察

将熊猫作为pd导入
导入时间信息
df=pd.DataFrame（{“colName”：range（1000000）}，index=range（1000000））
打印（“with.loc:”，timeit.timeit（'df.loc[：，“colName”]”，globals=globals（））
打印（“不带.loc:”，timeit.timeit（'df[“colName”]”，globals=globals（））

它们在提供输出方面是相同的，但在性能上有所不同。尝试以下示例并观察

将熊猫作为pd导入
导入时间信息
df=pd.DataFrame（{“colName”：range（1000000）}，index=range（1000000））
打印（“with.loc:”，timeit.timeit（'df.loc[：，“colName”]”，globals=globals（））
打印（“不带.loc:”，timeit.timeit（'df[“colName”]”，globals=globals（））

是的，它们是相等的。您想知道它们在语义上是否相同吗？或者熊猫体内执行的相同路径具有相似的副作用？是的，它们是相等的。你想知道它们在语义上是否相同吗？或者在Pandas中执行相同的路径，具有类似的副作用？语义相同，正确，但它们在Pandas中是否遵循相同的代码路径？有同样的副作用吗？我怀疑，

df.loc[：，'colName']

会有一个稍微不同的代码路径，内存消耗更多相同的语义，是真的，但是它们在熊猫中沿着相同的代码路径走吗？有同样的副作用吗？我怀疑，

df.loc[：，'colName']

的代码路径会有点不同，内存消耗会更多