Loc 與 Iloc、At 與 Iat：如何在 Pandas 中選擇正確的資料擷取方法？

Pandas 中的資料擷取選項：loc、iloc、at 和iat

理解Pandas 中的細胞定位和選擇可能具有挑戰性，尤其是作為來自R 的Python 新用戶。本指南旨在闡明各種選項之間的實際差異：.loc、.iloc、.at 和 .iat。

何時使用 loc 與 .iat。 iloc

• .loc: 依標籤（行和列索引）存取資料。非常適合處理具有有意義的名稱或類別作為索引的資料。
• .iloc: 依位置存取資料（基於整數）。用於根據數字索引提取特定的行或列。

範例：

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# Access value at row index 'C' and column index 'A' using .loc (label)
value1 = df.loc['C', 'A']  # Error, as 'C' is not a valid row index

# Access value at row index 2 and column index 0 using .iloc (integer)
value2 = df.iloc[2, 0]  # Returns 3

何時使用at 與iat

• .at:
透過標籤檢索單一標量值（類似.loc）。
• .iat:
擷取按位置的單一標量值（類似 .iloc）。

.at 和.iat 都針對快速存取單一值進行了最佳化，使其在標量操作方面比.loc 或.iloc 更有效率.

範例：

value3 = df.at['B', 'A']  # Returns 4 using label-based indexing
value4 = df.iat[1, 0]  # Returns 2 using position-based indexing

以上是Loc 與 Iloc、At 與 Iat：如何在 Pandas 中選擇正確的資料擷取方法？的詳細內容。更多資訊請關注PHP中文網其他相關文章！