Python iloc与直接切片？

我已经阅读了很多关于iloc和loc的讨论，我理解其中的区别，但我不理解的是以下两者之间的区别：

indexed_data['var'][0:10]

indexed_data['var'][0:10]

vs

这些似乎是相同的东西，并给出相同的输出

---

我错过什么了吗？谢谢

在pandas的最新版本中，这是为

ix

功能工作的

但是从0.20+

因此，对

var

列的位置使用

get_loc

，并仅使用

iloc

选择：

indexed_data.iloc[0:10, df.columns.get_loc('var')]

---

在我看来，两者之间的区别是：

indexed_data['var'][0:10]

indexed_data['var'][0:10]

以及：

主要是在

][

中。我认为最好是避免它，因为可能的

链接索引

---

:

粗略的规则是，每当你看到背对背的方括号，][，你就会自找麻烦。用

.loc[…，…]

替换它，你就会被设置好

因此，最好在这里使用本机pandas函数，如

loc

，

iloc

然后尝试比较每个方法调用的函数，但在40分钟后我停止了它（实际上调用了很多函数）

我检查计时，每个功能的计时不同：

indexed_data = pd.DataFrame(np.random.randint(3, size=(2000000,1)), columns=['var'])

In [151]: %timeit indexed_data['var'].iloc[0:100000]
10000 loops, best of 3: 62.1 µs per loop

In [152]: %timeit indexed_data['var'][0:100000]
10000 loops, best of 3: 82.3 µs per loop

In [153]: %timeit indexed_data.iloc[0:100000, indexed_data.columns.get_loc('var')]
10000 loops, best of 3: 155 µs per loop

In [154]: %timeit indexed_data.loc[indexed_data.index[0:100000], 'var']
100 loops, best of 3: 7.36 ms per loop

#numpy approach - output is array 
In [155]: %timeit indexed_data['var'].values[0:100000]
100000 loops, best of 3: 5.35 µs per loop

替代解决方案：

indexed_data.loc[indexed_data.index[0:10], 'var']

---

请阅读-这将有助于决定在不同情况下使用哪个索引器…

作为对其他答案的补充，还请遵守以下说明：

虽然用于选择和设置的标准Python/Numpy表达式直观且便于交互工作，但对于生产代码，我们建议使用优化的pandas数据访问方法，

.at

，

.iat

，

.loc

和

.iloc

---

我不知道，今天早些时候正在寻找类似的东西：）你能解释一下原因吗？我本以为使用这些键更像是“pythonic”。我只是不明白直接切片和使用iloc之间的区别。我不使用ix，也明白它是不受欢迎的（关于ix vs iloc vs loc有很多帖子，我读过）。我试着创造一些答案，但对我来说并不容易。我需要更多的时间：（非常抱歉。回答得很好。+1就链接而言，这是一个经常被问及的“问题”，我认为该链接将回答很多问题