Pandas 中的 Loc 與 Iloc：我什麼時候應該使用它們進行切片？

Pandas 中的Loc 與Iloc 切片

Loc 和iloc 是Pandas 中兩種常用的切片方法，它們提供了選擇行和切片的靈活性。 DataFrame 中的欄位。然而，理解它們的細微差別可能會令人困惑。

主要區別：標籤與位置

loc 和iloc 之間的主要區別在於它們使用的索引類型:

• Loc:運行於標籤，特別是索引或列標籤中的實際值。
• Iloc: 在整數位置上操作，表示行或列的位置中的列DataFrame。

範例：

考慮具有非單一調整數的DataFrame index:

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

Loc:

• Loc:
Loc:

df.loc[0] 存取索引標籤為0 的行，無論其位置為何。 df.loc[0:1] 檢索索引標籤為0 的行並且1.

• Iloc:

Iloc:

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

Iloc:

Iloc:

• Iloc:
• Iloc:
• Iloc:

Iloc: df.iloc[0] 檢索索引位置0 處的行，無論其索引標籤為何。 df.iloc[0:1] 僅存取第一行，因為它將索引位置指定為整數。 使用上的主要差異：何時使用 Loc 與 Iloc：使用 Loc 與 Iloc：使用 Loc 與 Iloc >當你需要基於以下內容建立索引時使用loc標籤，例如特定名稱或類別。 優先選擇 iloc 用於基於整數的索引，特別是對於具有明確起點和終點的切片操作。 避免 iloc 用於布林屏蔽操作或基於邏輯條件的索引。

以上是Pandas 中的 Loc 與 Iloc：我什麼時候應該使用它們進行切片？的詳細內容。更多資訊請關注PHP中文網其他相關文章！