Sélection de colonnes : .iloc[] vs par nom
Dans l'exercice précédent, vous avez vu comment les fonctions .loc[] et .iloc[] permettent de repérer des lignes précises d'un DataFrame (selon l'index). Il s'avère que .iloc[] est nettement plus rapide pour cette tâche (environ 2 fois) !
Une autre tâche importante consiste à trouver la méthode la plus rapide pour sélectionner des caractéristiques (colonnes) ciblées d'un DataFrame. Dans cet exercice, nous allons comparer :
- l'utilisation de l'indexeur
.iloc() - l'utilisation des noms de colonnes Même si les deux approches permettent d'accomplir la même tâche, nous cherchons laquelle est la plus efficace en termes de vitesse.
Dans cet exercice, vous continuez avec les données de poker stockées dans poker_hands. Prenez un moment pour examiner la structure de ce DataFrame en appelant poker_hands.head() dans la console !
Cette activité fait partie du cours
Rédiger du code efficace avec pandas
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Use .iloc to select the first, fourth, fifth, seventh and eighth column and record the times before and after
iloc_start_time = ___
cols = poker_hands.___[___,[0,3,___,___,___]]
iloc_end_time = ___
# Print the time it took
print("Time using .iloc[] : {} sec".format(___ - ___))