考虑两种情况：
1.您正在搜索的ID存在
1.您访问的页面不存在
在情况1）中，np.searchsorted(df['id'], id)和df.index[df['id'] == id]都返回相同的结果。除了，当“id”列排序时，np.searchsorted可以在O中检索答案这是因为searchsorted使用二进制搜索来遍历数组，而不是返回O（N）时间。但这只在“id”排序时有效，否则searchsorted行为不正确。
对于情况2），它变得有点棘手。如果id不存在，searchsorted仍然返回一个结果。它返回“id”在排序数组中存在的位置。因此，您有责任仔细检查该位置的id是否与您正在查找的id匹配。使用相等比较，如果id不存在，则返回结果。索引是假的。
如果要加快查找速度，可以在以下条件下将DataFrame索引设置为“id”：

1. id已排序（否则会遇到performance warnings）
2. id是唯一的（尽管对于此工作不是关键的）
   1.您需要执行足够多的查找以证明将其设置为索引是正确的
   在这些条件下，“id”将被散列，查找可以是常数时间O（1）操作，可以用df.loc[key]或key in df.index完成。
   至于性能，您可以使用%timeit轻松验证性能。
   这两种方法的时间是最简单的方法。
   设置：

import pandas as pd
import numpy as np

np.random.seed(0)

n = 100000
ids = np.random.randint(0, 1000000, size=n)
values = np.random.randn(n)

df = pd.DataFrame({'id': np.sort(ids), 'value': values})

验证正确性：

# pick an id that exists
key = 498044
id = np.searchsorted(df['id'], key)
df.iloc[id]
id       498044.000000
value         0.469857
Name: 50000, dtype: float64

id = df.index[df['id'] == key][0]
df.loc[id]
id       498044.000000
value         0.469857
Name: 50000, dtype: float64

现在，我们计算这些操作的时间：

%%timeit 
key = 498044
id = np.searchsorted(df['id'], key)
df.iloc[id]

%%timeit 
id = df.index[df['id'] == key][0]
df.loc[id]

两个都返回

30.5 µs ± 635 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each) # 4X faster
121 µs ± 652 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)