Как и для фиксированного размера, вы можете эффективно использовать и устанавливать (уже существующие) ключи.
Что вы не можете сделать (эффективно), это добавить элемент. Хотя вы можете это сделать:
In [11]: s
Out[11]:
a -1.344
b 0.845
c 1.076
d -0.109
e 12.000
dtype: float64
In [12]: s["f"] = 3.14 # works but slow (copies all the data)
In [13]: s
Out[13]:
a -1.344
b 0.845
c 1.076
d -0.109
e 12.000
f 3.140
dtype: float64
Поскольку это создает новую серию (т. Е. Путем создания копии старой).
Что серии (и общие Numpy и панды объекты позволяют эффективные агрегаты, например, суммы и операции GroupBy. Где с помощью питона Dict подобные скопления будет очень медленным.
Ручной волнистый Причина этого заключается в том, что это в основном из-за на то, как данные могут храниться в памяти (смежно и с известными типами), а не с объектами python, являются ли они указателями на указатель для типа и указателя на данные (это неправильное направление означает, что вещи медленнее) ...
Pandas также поставляется с множеством эффективно написанных функций и опрятным API, поэтому вам не нужно переписывать все функции, которые вы используете d самостоятельно ...