Pandas `loc` 和 `iloc` 在数据选择方面有什么区别？

Pandas 中 iloc 和 loc 有何不同：

在使用 Pandas 进行数据操作时，iloc 和 loc 是两种常用的切片方法，经常会引起混淆。了解它们的根本区别对于高效的数据管理至关重要。

标签与位置

loc 和 iloc 之间的主要区别在于它们如何选择数据：

• loc: 访问数据基于标签，例如行或列名称（索引和列标签）。
• iloc: 基于对象内的整数位置 访问数据轴（行/列

示例：

考虑具有包含字母的非单调索引的 DataFrame df：

import pandas as pd

df = pd.DataFrame({'col1': ['a', 'b', 'c', 'd', 'e', 'f']}, index=[49, 48, 47, 0, 1, 2])

loc（基于标签切片):

• df.loc[0]：检索索引标签为“0”（'d'）的行。
• df.loc[0:1 ]：返回带有标签 0 和 1 的两行（'d' 和'e').

iloc（基于位置的切片）：

• df.iloc[0]：获取索引位置处的值0 ('a').
• df.iloc[0:1]：选择一行位于索引位置 0 ('a')。

主要区别：

下表突出显示了 loc 和 iloc 在各种场景下的区别：

Object	Description	loc	iloc
0	Single item	Value at index label 0 ('d')	Value at index location 0 ('a')
0:1	Slice	Two rows (labels 0 and 1)	One row (first row at location 0)
1:47	Slice with out-of-bounds end	Zero rows (empty Series)	Five rows (location 1 onwards)
1:47:-1	Slice with negative step	Three rows (labels 1 back to 47)	Zero rows (empty Series)
[2, 0]	Integer list	Two rows with given labels	Two rows with given locations
s > 'e'	Boolean series (indicating true values)	One row (containing 'f')	NotImplementedError
(s>'e').values	Boolean array	One row (containing 'f')	Same as loc
999	Integer object not in index	KeyError	IndexError (out of bounds)
-1	Integer object not in index	KeyError	Returns last value in s
lambda x: x.index[3]	Callable applied to series (here returning 3rd item in index)	s.loc[s.index[3]]	s.iloc[s.index[3]]

以上是Pandas `loc` 和 `iloc` 在数据选择方面有什么区别？的详细内容。更多信息请关注PHP中文网其他相关文章！