Loc と Iloc、At と Iat: Pandas で適切なデータ抽出方法を選択するにはどうすればよいですか?

Pandas のデータ抽出オプション: loc、iloc、at、iat

Pandas でのセルのローカリゼーションと選択を理解することは、特に難しい場合があります。 R から来た新しい Python ユーザーです。このガイドは、.loc、.iloc、.at、および .iat のさまざまなオプション間の実際的な違いを明確にすることを目的としています。

loc とiloc

• .loc: ラベル (行および列のインデックス) によってデータにアクセスします。インデックスとして意味のある名前またはカテゴリを持つデータを扱うのに最適です。
• .iloc: 位置によってデータにアクセスします (整数ベース)。数値インデックスに基づいて特定の行または列を抽出する場合に便利です。

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

at と iat を使用する場合

• .at: ラベルによって単一のスカラー値を取得します (.loc と同様)。
• .iat: を取得します位置による単一のスカラー値 (.iloc と同様)。

.at と .iat はどちらも単一の値に高速にアクセスできるように最適化されており、スカラー操作では .loc や .iloc より効率的です。 .

例:

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

以上がLoc と Iloc、At と Iat: Pandas で適切なデータ抽出方法を選択するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。