在上一篇博客中，我們已經(jīng)仔細(xì)講解了iloc和loc，只是簡單了提到了ix。這是因?yàn)橄啾扔谇?者，ix更復(fù)雜，也更讓人迷惑。

因此，本篇博客通過例子的解釋試圖來描述清楚ix，尤其是與iloc和loc的聯(lián)系。

首先，再次介紹這三種方法的概述：

• loc gets rows (or columns) with particular labels from the index. loc從索引中獲取具有特定標(biāo)簽的行（或列）。
• iloc gets rows (or columns) at particular positions in the index (so it only takes integers). iloc在索引中的特定位置獲取行（或列）（因此它只接受整數(shù)）。
• ix usually tries to behave like loc but falls back to behaving like iloc if a label is not present in the index. ix通常會(huì)嘗試像loc一樣行為，但如果索引中不存在標(biāo)簽，則會(huì)退回到像iloc一樣的行為。(這句話有些繞口，沒關(guān)系，關(guān)于ix特點(diǎn)，后面會(huì)詳細(xì)講解)

1 使用ix切分Series

請注意：在pandas版本0.20.0及其以后版本中，ix已經(jīng)不被推薦使用，建議采用iloc和loc實(shí)現(xiàn)ix。這是為什么呢？這是由于ix的復(fù)雜特點(diǎn)可能使ix使用起來有些棘手：

1. 如果索引是整數(shù)類型，則ix將僅使用基于標(biāo)簽的索引，而不會(huì)回退到基于位置的索引。如果標(biāo)簽不在索引中，則會(huì)引發(fā)錯(cuò)誤。
2. 如果索引不僅包含整數(shù)，則給定一個(gè)整數(shù)，ix將立即使用基于位置的索引而不是基于標(biāo)簽的索引。但是，如果ix被賦予另一種類型（例如字符串），則它可以使用基于標(biāo)簽的索引。

接下來舉例說明這2個(gè)特點(diǎn)。

1.1 特點(diǎn)1舉例

>>> s = pd.Series(np.nan, index=[49,48,47,46,45, 1, 2, 3, 4, 5])
>>> s
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
2 NaN
3 NaN
4 NaN
5 NaN

現(xiàn)在我們來看使用整數(shù)3切片有什么結(jié)果：

在這個(gè)例子中，s.iloc[:3]讀取前3行（因?yàn)閕loc把3看成是位置position），而s.loc[:3]讀取的是前8行（因?yàn)閘oc把3看作是索引的標(biāo)簽label）

>>> s.iloc[:3] # slice the first three rows
49 NaN
48 NaN
47 NaN
 
>>> s.loc[:3] # slice up to and including label 3
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
2 NaN
3 NaN
 
>>> s.ix[:3] # the integer is in the index so s.ix[:3] works like loc
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
2 NaN
3 NaN

注意：s.ix[:3]返回的結(jié)果與s.loc[:3]一樣，這是因?yàn)槿绻鹲eries的索引是整型的話，ix會(huì)首先去尋找索引中的標(biāo)簽3而不是去找位置3。

如果，我們試圖去找一個(gè)不在索引中的標(biāo)簽，比如說是6呢？

>>> s.iloc[:6]
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
 
>>> s.loc[:6]
KeyError: 6
 
>>> s.ix[:6]
KeyError: 6

在上面的例子中，s.iloc[:6]正如我們所期望的，返回了前6行。而，s.loc[:6]返回了KeyError錯(cuò)誤，這是因?yàn)闃?biāo)簽6并不在索引中。

那么，s.ix[:6]報(bào)錯(cuò)的原因是什么呢？正如我們在ix的特點(diǎn)1所說的那樣，如果索引只有整數(shù)類型，那么ix僅使用基于標(biāo)簽的索引，而不會(huì)回退到基于位置的索引。如果標(biāo)簽不在索引中，則會(huì)引發(fā)錯(cuò)誤。

1.2 特點(diǎn)2舉例

接著例子1來說，如果我們的索引是一個(gè)混合的類型，即不僅僅包括整型，也包括其他類型，如字符類型。那么，給ix一個(gè)整型數(shù)字，ix會(huì)立即使用iloc操作，而不是報(bào)KeyError錯(cuò)誤。

>>> s2 = pd.Series(np.nan, index=['a','b','c','d','e', 1, 2, 3, 4, 5])
>>> s2.index.is_mixed() # index is mix of different types
True
>>> s2.ix[:6] # now behaves like iloc given integer
a NaN
b NaN
c NaN
d NaN
e NaN
1 NaN

注意：在這種情況下，ix也可以接受非整型，這樣就是loc的操作：

>>> s2.ix[:'c'] # behaves like loc given non-integer
a NaN
b NaN
c NaN

這個(gè)例子就說明了ix特點(diǎn)2。

正如前面所介紹的，ix的使用有些復(fù)雜。如果僅使用位置或者標(biāo)簽進(jìn)行切片，使用iloc或者loc就行了，請避免使用ix。

2 在Dataframe中使用ix實(shí)現(xiàn)復(fù)雜切片

有時(shí)候，在使用Dataframe進(jìn)行切片時(shí)，我們想混合使用標(biāo)簽和位置來對行和列進(jìn)行切片。那么，應(yīng)該怎么操作呢？

舉例，考慮有下述例子中的Dataframe。我們想得到直到包含標(biāo)簽'c'的行和前4列。

>>> df = pd.DataFrame(np.nan, 
      index=list('abcde'),
      columns=['x','y','z', 8, 9])
>>> df
 x y z 8 9
a NaN NaN NaN NaN NaN
b NaN NaN NaN NaN NaN
c NaN NaN NaN NaN NaN
d NaN NaN NaN NaN NaN
e NaN NaN NaN NaN NaN

在pandas的早期版本（0.20.0）之前，ix可以很好地實(shí)現(xiàn)這個(gè)功能。

我們可以使用標(biāo)簽來切分行，使用位置來切分列（請注意：因?yàn)?并不是列的名字，因?yàn)閕x在列上是使用的iloc）。

>>> df.ix[:'c', :4]
 x y z 8
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN

在pandas的后來版本中，我們可以使用iloc和其它的一個(gè)方法就可以實(shí)現(xiàn)上述功能：

>>> df.iloc[:df.index.get_loc('c') + 1, :4]
 x y z 8
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN

get_loc() 是得到標(biāo)簽在索引中的位置的方法。請注意，因?yàn)槭褂胕loc切片時(shí)不包括最后1個(gè)點(diǎn)，因?yàn)槲覀儽仨毤?。

可以看到，只使用iloc更好用，因?yàn)椴槐乩頃?huì)ix的那2個(gè)“繁瑣”的特點(diǎn)。

3 參考文獻(xiàn)
https://stackoverflow.com/questions/31593201/pandas-iloc-vs-ix-vs-loc-explanation-how-are-they-different

到此這篇關(guān)于pandas中ix的使用詳細(xì)講解的文章就介紹到這了,更多相關(guān)pandas ix內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論