让我们设置这个：

import pandas as pd
import numpy as np
df = pd.DataFrame({"id": np.random.randint(100,size=(1000000,))})

字符串
然后让我们对一些选项进行基准测试。您当前的boolean + .loc：

>>> timeit.timeit("df.loc[df['id'] == 50, :]", setup = "from __main__ import df", number=1000)
2.566220869999597

型
查询引擎：

>>> timeit.timeit("df.query('id == 50')", setup = "from __main__ import df", number=1000)
14.591400260000228

型
使用索引作为单独的查找：

>>> idx = pd.Index(df['id'])
>>> timeit.timeit("df.loc[idx == 50, :]", setup = "from __main__ import df, idx", number=1000)
2.2155187300013495

型
使用索引进行查找：

>>> df.index = df["id"]
>>> timeit.timeit("df.loc[50, :]", setup = "from __main__ import df", number=1000)
2.625610274999417

型
评论中有人提出的.isin()想法：

>>> timeit.timeit("df.loc[df['id'].isin([50]), :]", setup = "from __main__ import df", number=1000)
9.542700138999862

型
看起来，除了查询引擎对于简单的等式很慢（正如预期的那样）之外，您不会得到比查找时间更好的结果。

df_unique = pd.DataFrame({'id': range(1000000)})

型
让我们看看一个唯一的ID可能会有帮助：

>>> timeit.timeit("df_unique.loc[df_unique['id'] == 50, :]", setup = "from __main__ import df_unique", number=1000)
1.9672015519990964

型
然后是一个命令：

>>> df_unique.index = df_unique['id']
>>> df_dict = df_unique.to_dict(orient='index')
>>> timeit.timeit("df_dict[50]", setup = "from __main__ import df_dict", number=1000)
6.247700002859347e-05

型
看起来这是一个明显的赢家。

>>> timeit.timeit("pd.Series(df_dict[50])", setup = "from __main__ import df_dict, pd", number=1000)
0.2747819870000967

型
即使你必须将它转换回一个序列，这也比以前快了一个数量级。（如果需要的话，你也可以很容易地将一个序列Map回dict，并保持dict查找的速度，而不会产生开销）

检查工作速度 df.query（'id == 500000'）。

使用df.id.values：
让我们创建一个包含1000000行的嵌套框架：

import pandas as pd
import numpy as np
np.random.seed(3)
df = pd.DataFrame({"id": np.random.randint(100,size=(1000000,))})

字符串
方法一：

%%time
df.loc[df['id'] == 50, :]
#CPU times: user 6.64 ms, sys: 57 µs, total: 6.69 ms
#Wall time: 5.39 ms

型

的数据
方法二：

%%time
df.loc[df.id.values == 50, :]
#CPU times: user 3.97 ms, sys: 0 ns, total: 3.97 ms
#Wall time: 2.82 ms

型

的

• 注意：本例中，输出的数组有9915行，而且速度似乎与查询的值和原始的df结构有关。*
  让我们使用timeit模块对测试进行基准测试。

方法一：

import timeit
timeit.timeit("df.loc[df['id'] == 50, :]", setup = "from __main__ import df", number=1000)
#1.5578972157090902

型
方法二：

timeit.timeit("df.loc[df.id.values == 50, :]", setup = "from __main__ import df", number=1000)
#1.3210897352546453

型