Rumah >pembangunan bahagian belakang >Tutorial Python >Apakah perbezaan utama antara kaedah `loc` dan `iloc` Pandas untuk penghirisan DataFrame?
iloc dan loc ialah dua kaedah untuk menghiris DataFrame dalam Pandas. Kedua-dua kaedah boleh digunakan untuk memilih baris dan lajur, tetapi ia berbeza dalam cara mereka mentafsir input.
loc mendapat baris (dan/atau lajur) dengan label tertentu.
iloc mendapat baris (dan/atau lajur) pada integer lokasi.
Untuk menunjukkan, pertimbangkan siri s aksara dengan indeks integer bukan monotonik:
>>> s = pd.Series(list("abcdef"), index=[49, 48, 47, 0, 1, 2]) 49 a 48 b 47 c 0 d 1 e 2 f
s.loc[0] # value at index label 0 'd' s.iloc[0] # value at index location 0 'a' s.loc[0:1] # rows at index labels between 0 and 1 (inclusive) 0 d 1 e s.iloc[0:1] # rows at index location between 0 and 1 (exclusive) 49 a
Berikut ialah beberapa perbezaan/ persamaan antara s.loc dan s.iloc apabila melewati pelbagai objek:
Object | Description | s.loc[Object] | s.iloc[Object] |
---|---|---|---|
0 | Single item | Value at index label 0 (_the string 'd'_) | Value at index location 0 (_the string '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' | Bool series (indicating which values have the property) | One row (containing 'f') | NotImplementedError |
(s>e).values | Bool array | One row (containing 'f') | Same as loc |
999 | Int object not in index | KeyError | IndexError (out of bounds) |
-1 | Int 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]] |
Atas ialah kandungan terperinci Apakah perbezaan utama antara kaedah `loc` dan `iloc` Pandas untuk penghirisan DataFrame?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!