Loc vs. Iloc dalam Panda: Bilakah Saya Harus Menggunakan Setiap Satu untuk Menghiris?

Loc vs. Iloc Slicing dalam Panda

Loc dan iloc ialah dua kaedah penghirisan yang biasa digunakan dalam Pandas, yang memberikan fleksibiliti dalam memilih baris dan lajur daripada DataFrame. Walau bagaimanapun, memahami perbezaan halus mereka boleh mengelirukan.

Perbezaan Utama: Label lwn. Lokasi

Perbezaan utama antara loc dan iloc terletak pada jenis pengindeksan yang mereka gunakan :

• Lok: Beroperasi pada label, khususnya nilai sebenar dalam indeks atau label lajur.
• Iloc: Beroperasi pada lokasi integer, mewakili kedudukan baris atau lajur dalam DataFrame.

Contoh:

Pertimbangkan DataFrame dengan integer bukan monotonik indeks:

df = pd.DataFrame({
    'a': [1, 2, 3],
    'b': [4, 5, 6],
    'c': [7, 8, 9]
}, index=[0, 2, 4])

Lok:

• df.loc[0] mengakses baris dengan label indeks 0, tanpa mengira lokasinya.
• df.loc[0:1] mendapatkan semula baris dengan label indeks 0 dan 1.

Iloc:

• df.iloc[0] mendapatkan semula baris di lokasi indeks 0, tanpa mengira label indeksnya.
• df.iloc[0:1] hanya mengakses baris pertama kerana ia menentukan lokasi indeks sebagai integer.

Perbezaan Utama dalam Penggunaan:

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

Bila Menggunakan Loc vs. Iloc:

• Gunakan loc apabila anda perlu berdasarkan indeks pada label, seperti nama atau kategori tertentu.
• Lebih suka iloc untuk pengindeksan berasaskan integer, terutamanya untuk operasi menghiris dengan titik mula dan tamat yang jelas.
• Elakkan iloc untuk operasi penyamaran boolean atau pengindeksan berdasarkan logik syarat.

Atas ialah kandungan terperinci Loc vs. Iloc dalam Panda: Bilakah Saya Harus Menggunakan Setiap Satu untuk Menghiris?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!