Ruff规则PD008解析：转NumPy数组提性能及示例改造

一、规则具体含义 #

PD008是Ruff针对Pandas性能优化的检查规则，核心结论很明确：如果追求代码执行性能，别指望用.at替代.loc来获得明显提速，反而应该把Pandas的DataFrame/Series转换成NumPy数组——这种方式带来的性能提升幅度，远超过.at和.loc之间的差异。

.at确实是Pandas里专门做单元素快速访问的方法，比.loc略快，但这种优势非常有限；而转成NumPy数组后，能避开Pandas对象自带的大量额外封装开销，性能提升效果要显著得多。

二、NumPy数组性能更快的原因 #

• 底层结构更轻量化：Pandas的DataFrame/Series是基于NumPy数组构建的，但额外加了索引管理、数据类型校验、缺失值处理等功能，这些封装会带来额外计算开销。NumPy数组是纯粹的数值存储结构，没有这些附加逻辑，直接操作内存里的连续数据块。
• 内存布局更高效：NumPy数组采用连续内存存储，CPU缓存命中率更高；而Pandas对象因为附带索引等信息，内存布局相对零散，缓存利用效率低。
• 操作开销更低：NumPy的核心操作都是底层C语言实现，没有Pandas方法里的索引对齐、类型兼容等额外步骤，执行路径更短。

三、针对students_df选取"Maria"的示例改造 #

原代码（使用.at） #

import pandas as pd
students_df = pd.read_csv("students.csv")
# 假设"Maria"是索引值，获取对应行数据
target_data = students_df.at["Maria"]

优化后代码（转换为NumPy数组） #

先定位"Maria"的索引位置，再通过NumPy数组直接访问：

import pandas as pd
import numpy as np

students_df = pd.read_csv("students.csv")
# 将DataFrame转为NumPy数组
students_array = students_df.to_numpy()
# 获取"Maria"对应的索引位置
maria_idx = students_df.index.get_loc("Maria")
# 直接通过数组索引访问目标数据
target_data = students_array[maria_idx]

如果是要获取某一列中"Maria"对应的值（比如"score"列）：

import pandas as pd
import numpy as np

students_df = pd.read_csv("students.csv")
# 将目标列转为NumPy数组
score_array = students_df["score"].to_numpy()
# 获取"Maria"的索引位置
maria_idx = students_df.index.get_loc("Maria")
# 访问对应值
maria_score = score_array[maria_idx]

内容的提问来源于stack exchange，提问作者Salvatore