Loc 与 Iloc、At 与 Iat：如何在 Pandas 中选择正确的数据提取方法？

Pandas 中的数据提取选项：loc、iloc、at 和 iat

理解 Pandas 中的细胞定位和选择可能具有挑战性，尤其是作为来自 R 的 Python 新用户。本指南旨在阐明各种选项之间的实际差异：.loc、.iloc、.at 和 .iat。

何时使用 loc 与 .iat。 iloc

• .loc: 按标签（行和列索引）访问数据。非常适合处理具有有意义的名称或类别作为索引的数据。
• .iloc: 按位置访问数据（基于整数）。用于根据数字索引提取特定的行或列。

示例：

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

何时使用 at 与 iat

• .at: 通过标签检索单个标量值（类似于 .loc）。
• .iat: 检索按位置的单个标量值（类似于 .iloc）。

.at 和 .iat 都针对快速访问单个值进行了优化，使其在标量操作方面比 .loc 或 .iloc 更高效.

示例：

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 与 Iloc、At 与 Iat：如何在 Pandas 中选择正确的数据提取方法？的详细内容。更多信息请关注PHP中文网其他相关文章！