Loc vs. Iloc, At vs. Iat: Bagaimana Anda Memilih Kaedah Pengekstrakan Data yang Betul dalam Pandas?

Pilihan Pengekstrakan Data dalam Panda: loc, iloc, at, dan iat

Memahami penyetempatan dan pemilihan sel dalam Pandas boleh menjadi mencabar, terutamanya sebagai pengguna Python baharu yang datang dari R. Panduan ini bertujuan untuk menjelaskan perbezaan praktikal antara pelbagai pilihan: .loc, .iloc, .at dan .iat.

Bila Menggunakan loc vs. iloc

• .loc: Mengakses data dengan label (indeks baris dan lajur). Sesuai untuk bekerja dengan data yang mempunyai nama atau kategori yang bermakna sebagai indeks.
• .iloc: Mengakses data mengikut kedudukan (berasaskan integer). Berguna untuk mengekstrak baris atau lajur tertentu berdasarkan indeks berangkanya.

Contoh:

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

Bila Gunakan di vs. iat

• .di: Mendapatkan nilai skalar tunggal mengikut label (serupa dengan .loc).
• .iat: Mendapatkan nilai skalar tunggal mengikut kedudukan (serupa dengan .iloc).

Kedua-dua .at dan .iat dioptimumkan untuk akses pantas kepada nilai tunggal, menjadikannya lebih cekap daripada .loc atau .iloc untuk operasi skalar.

Contoh:

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

Atas ialah kandungan terperinci Loc vs. Iloc, At vs. Iat: Bagaimana Anda Memilih Kaedah Pengekstrakan Data yang Betul dalam Pandas?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!