Pandas中df.loc[]與df.iloc[]的用法與異同?
官網(wǎng)資料:
loc :https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html
iloc : https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html
用 途:
- 取數(shù): 從dataframe中取 一部分行與列的數(shù)據(jù) (為主)
- 賦值: 給指定的 行與列賦值 df.loc[xx,xx] = xx
輸入?yún)?shù)注意:
方括號(hào)內(nèi)的參數(shù):
- loc、iloc 方括號(hào)中,參數(shù)的排布模式為[行條件,列條件],當(dāng)總體條件只有一個(gè)時(shí)候(最外層方括號(hào)內(nèi)無(wú)逗號(hào)),會(huì)按照:先行后列的方法來(lái)匹配對(duì)應(yīng)的條件
- 默認(rèn)會(huì)拋棄掉對(duì)應(yīng)的dataframe格式,輸出series,如果想保留dataframe格式,需要在條件外邊加 ”[ ]”。
loc與iloc條件(行/列)相同之處:
- 單一元素(不包含list) str/int/slice 選取行時(shí)候,選取的是對(duì)應(yīng)條件下的行 (series)
- 單一元素(不包含list) str/int/slice 選取列時(shí)候,選取的是對(duì)應(yīng)條件下的列(series)
- 條件為list時(shí)候,選取的是一組對(duì)應(yīng)的 行(列) 條件下的(dataframe數(shù)據(jù))
- 布爾值的list/可與df對(duì)齊的series(布爾類型): 與index長(zhǎng)度相同的話 選擇對(duì)應(yīng)值為True的行,與列數(shù)相同的話,選取對(duì)應(yīng)值為True 的列。
- df的index的子集index2: 選取df中對(duì)應(yīng)的index2的行
- 函數(shù):輸入為行/列series(外層有逗號(hào))或者dataframe(外層無(wú)括號(hào)) 返回為對(duì)應(yīng)輸入的一個(gè)布爾值表,用來(lái)篩選對(duì)應(yīng)的數(shù)據(jù)。
不同之處:
- 當(dāng)對(duì)應(yīng)的行/列標(biāo)簽為 int類型x時(shí)候,iloc表示對(duì)應(yīng)的第x個(gè) index或column,而loc 表示對(duì)應(yīng)的index /column名稱等于這個(gè)x。
- 對(duì)應(yīng)的開(kāi)閉區(qū)間不同 df.loc[1:5,1:5] 會(huì)有一個(gè)最多 5x5的df數(shù)據(jù)子集,而df.iloc[1:5,1:5] 會(huì)有最多4x4df數(shù)據(jù)子集,其中iloc的行/列切片不包含最后一個(gè)數(shù)(與range函數(shù)類似)
loc與iloc 實(shí)際用例:
df = pd.DataFrame([[1, 2,3,14], [4, 5,6,17], [7, 8,9,10],[11,12,13,14]], ? ? ?index=[2,3,4,5], ? ? ?columns=[2,4,5,6]) ?? # loc 行/列條件是對(duì)應(yīng)的標(biāo)簽值在對(duì)應(yīng)的范圍內(nèi),[閉合,閉合] 區(qū)間 df.loc[2:5,2:5] # ? 輸出為: # ? ?2?? ?4?? ?5 #2?? ?1?? ?2?? ?3 #3?? ?4?? ?5?? ?6 #4?? ?7?? ?8?? ?9 #5?? ?11?? ?12?? ?13 ? # 選取index 為 2 的行里面的值 # 不推薦:df.loc[2] 下文省略 df.loc[2,:] # 輸出為 ?1,2,3,14 series類型 ? # 選取index 為 2 的行 保留dataframe類型 df.loc[[2],:]? ? #選取對(duì)應(yīng)列名為 2 的列 df.loc[:,2]? # 這里 index 與 列名都是int類型,因此loc方括號(hào)中使用int類型,如果是其他類型,對(duì)應(yīng)的數(shù)字要改成其他類型的數(shù)據(jù),不能再用數(shù)字 ? # iloc 行/列條件是對(duì)應(yīng)的標(biāo)簽或者列名的索引值在范圍內(nèi),[閉合,開(kāi)放) 區(qū)間 df.iloc[2:5,2:5] # 輸出為? # ? ?5?? ? 6 #4?? ? 9?? ? 10 #5?? ? 13?? ? 14 ? # 這里 索引是以0開(kāi)始的,所有行的切片應(yīng)該寫作 0:5 ?也可以寫作“ :” # iloc 數(shù)字類型來(lái)做篩選的 ? # 不管是loc 還是 iloc 都建議用[行條件,列條件] 來(lái)寫,其中如果無(wú)需篩選可以用:來(lái)占位,表意明確。 # loc 匹配的是 index/列名的值 與對(duì)應(yīng)的條件 # iloc 匹配的是 index/列名對(duì)應(yīng)的索引號(hào) 與對(duì)應(yīng)的條件
到此這篇關(guān)于Pandas中df.loc[]與df.iloc[]的用法與異同 的文章就介紹到這了,更多相關(guān)Pandas df.loc[]與df.iloc[]內(nèi)容請(qǐng)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!
相關(guān)文章
PyTorch的深度學(xué)習(xí)入門教程之構(gòu)建神經(jīng)網(wǎng)絡(luò)
這篇文章主要介紹了PyTorch的深度學(xué)習(xí)入門教程之構(gòu)建神經(jīng)網(wǎng)絡(luò),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06Python?SQLAlchemy插入日期時(shí)間時(shí)區(qū)詳解
SQLAlchemy是一個(gè)功能強(qiáng)大且流行的?Python?庫(kù),它提供了一種靈活有效的與數(shù)據(jù)庫(kù)交互的方式,在本文中,我們將了解SQLAlchemy如何更新日期、時(shí)間和時(shí)區(qū)并將其插入數(shù)據(jù)庫(kù),感興趣的可以了解下2023-09-09關(guān)于PyCharm安裝后修改路徑名稱使其可重新打開(kāi)的問(wèn)題
這篇文章主要介紹了關(guān)于PyCharm安裝后修改路徑名稱使其可重新打開(kāi)的問(wèn)題,本文通過(guò)圖文實(shí)例相結(jié)合給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-10-10python實(shí)現(xiàn)飛機(jī)大戰(zhàn)游戲
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)飛機(jī)大戰(zhàn)游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-04-04解決Python中的modf()函數(shù)取小數(shù)部分不準(zhǔn)確問(wèn)題
這篇文章主要介紹了解決Python中的modf()函數(shù)取小數(shù)部分不準(zhǔn)確問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-05-05Python數(shù)據(jù)處理篇之Sympy系列(五)---解方程
這篇文章主要介紹了Python數(shù)據(jù)處理篇之Sympy系列(五)---解方程,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-10-10