我有以下数据框，我想将底部1％值分配给新列。当我使用＆＃34; .loc＆＃34;进行此计算时通知，使用.loc分配需要大约10秒，其中替代解决方案只有2秒。
df_temp = pd.DataFrame(np.random.randn(100000000,1),columns=list('A'))
%time df_temp["q"] = df_temp["A"].quantile(0.01)
%time df_temp.loc[:, "q1_loc"] = df_temp["A"].quantile(0.01)
为什么.loc解决方案更慢？我理解使用.loc解决方案更安全，但如果我想将数据分配给列中的所有索引，直接赋值会出现什么问题？
答案 0 :(得分：1)
.loc沿着整个轴在你的df中搜索整个索引和列（在这种情况下，只有1列），这是耗时的，也许是多余的，除了弄清楚分位数的分位数df_temp['A']（就计算时间而言可忽略不计）。另一方面，您的直接分配方法只是解析df_temp['A'].quantile(0.01)，并分配df_temp['q']。它不需要穷举搜索你的df的索引/列。
有关.loc方法的类似说明，请参阅this answer。
就安全性而言，您没有使用链式索引，因此您可能很安全（您不是要在数据的副本上设置任何内容，而是直接设置关于数据本身）。很好地了解不使用.loc的潜在问题（请参阅this post了解SettingWithCopy警告的详细概述），但我认为你可以做到这一点
如果您希望更多明确关于列创建，您可以执行df = df.assign(q=df_temp["A"].quantile(0.01))行。它不会真正改变性能（我不认为），也不会改变结果，但它允许您看到您明确地为现有数据帧分配了一个新列（因此没有在所述数据帧的副本上设置任何内容） ）。