Loc 대 Iloc, At 대 Iat: Pandas에서 올바른 데이터 추출 방법을 어떻게 선택합니까?

Pandas의 데이터 추출 옵션: loc, iloc, at, iat

Pandas의 셀 지역화 및 선택을 이해하는 것은 특히 어려울 수 있습니다. R에서 온 새로운 Python 사용자입니다. 이 가이드는 다양한 옵션(.loc, .iloc, .at 및 .iat.

loc과 iloc을 사용하는 경우

• .loc: 레이블(행)별로 데이터에 액세스합니다. 및 열 인덱스). 의미 있는 이름이나 범주를 인덱스로 포함하는 데이터 작업에 적합합니다.
• .iloc: 위치별로 데이터에 액세스합니다(정수 기반). 숫자 인덱스를 기반으로 특정 행이나 열을 추출하는 데 유용합니다.

예:

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

사용 시기 iat

• .at: 레이블별로 단일 스칼라 값을 검색합니다(.loc와 유사).
• .iat: 위치별로 단일 스칼라 값을 검색합니다( .iloc).

.at 및 .iat는 모두 단일 값에 대한 빠른 액세스에 최적화되어 있어 스칼라 연산 시 .loc 또는 .iloc보다 더 효율적입니다.

예:

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

위 내용은 Loc 대 Iloc, At 대 Iat: Pandas에서 올바른 데이터 추출 방법을 어떻게 선택합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!