Sélection de lignes : loc[] vs iloc[]
Une grande partie du travail avec des DataFrames consiste à repérer des entrées précises dans l'ensemble de données. Vous pouvez sélectionner des lignes de deux façons :
- Par une valeur précise d'une colonne (caractéristique).
- Par l'indice des lignes (index). Dans cet exercice, nous allons nous concentrer sur cette deuxième méthode.
Si vous avez déjà utilisé pandas, vous connaissez sûrement les indexeurs .loc et .iloc, qui signifient respectivement « location » et « index location ». Dans la plupart des cas, les indices correspondent à la position de chaque ligne dans le DataFrame (p. ex., la ligne d'indice 13 est la 14e entrée).
Même si ces deux fonctions permettent d'accomplir la même tâche, ce qui nous intéresse ici, c'est laquelle est la plus efficace en termes de vitesse.
Cette activité fait partie du cours
Rédiger du code efficace avec pandas
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Define the range of rows to select: row_nums
row_nums = range(0, 1000)
# Select the rows using .loc[] and row_nums and record the time before and after
loc_start_time = time.time()
rows = poker_hands.____[____]
loc_end_time = ___
# Print the time it took to select the rows using .loc[]
print("Time using .loc[]: {} sec".format(___ - ___))