Loc vs. Iloc Slicing in Pandas
Loc und iloc sind zwei häufig verwendete Slicing-Methoden in Pandas, die Flexibilität bei der Auswahl von Zeilen und bieten Spalten aus einem DataFrame. Es kann jedoch verwirrend sein, ihre subtilen Unterschiede zu verstehen.
Hauptunterschied: Labels vs. Standorte
Der Hauptunterschied zwischen loc und iloc liegt in der Art der Indizierung, die sie verwenden :
Beispiele:
Betrachten Sie einen DataFrame mit einem nicht monotonen Ganzzahlindex:
df = pd.DataFrame({ 'a': [1, 2, 3], 'b': [4, 5, 6], 'c': [7, 8, 9] }, index=[0, 2, 4])
Loc:
Iloc:
Hauptunterschiede in der Verwendung:
Feature | Loc | Iloc |
---|---|---|
Indexing | Labels | Integer locations |
Slicing | Inclusive (by default) | Exclusive (by default) |
Out-of-bounds behavior | KeyError | IndexError |
Negative indexing | Supported | Supported for final row only |
Boolean masking | NotImplementedError | Supports boolean mask |
Callable indexing | Function applied to index | Function applied to row or column |
Wann sollte Loc vs. verwendet werden? Iloc:
Das obige ist der detaillierte Inhalt vonLoc vs. Iloc in Pandas: Wann sollte ich beide zum Schneiden verwenden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!