pandas 的 DataFrame 選擇的 `loc` 和 `iloc` 有什麼不同？

iloc 和 loc 有什麼不同？

在 Python 的 pandas 函式庫中，loc 和 iloc 函式用於對 DataFrame 進行切片。雖然它們有一些相似之處，但它們的主要目的和基本機制存在顯著差異。

loc 與iloc：基於標籤與基於位置的選擇

loc基於標籤進行操作，標籤是與行或列關聯的索引值。它透過將行（或列）的標籤與指定的選擇標準相匹配來檢索行（或列）。例如，df.loc[:5] 將傳回 DataFrame 的前五行，其中標籤按升序排列。

iloc 另一方面，基於整數位置。它根據行（或列）在 DataFrame 中的位置來選擇行（或列）。例如，df.iloc[:5] 也會傳回前五行，但其選擇是基於序數位置（從 0 開始的索引）。

說明區別的範例

考慮以下具有非單調索引的DataFrame：

s = pd.Series(list("abcdef"), index=[49, 48, 47, 0, 1, 2]) 

使用loc 和iloc 檢索前五個元素：

s.loc[:5]   # row by row label (inclusive)
s.iloc[:5]  # row by row location (exclusive)

結果不同：

• s.loc[:5]傳回索引標籤為0 到5（含）的行，結果是：

0    d
1    e
2    f

• s.iloc[:5] 傳回位置0 到4 的行（獨家），導致：

49    a
48    b
47    c
0    d
1    e

一般差異

總結loc 和iloc 之間的一般差異：

• loc：索引標籤-based，按標籤精確選擇。
• iloc：基於整數位置，按標籤選擇位置。
• loc 可以處理非單調索引和越界標籤，而 iloc 在這種情況下會引發錯誤。
• 在某些情況下，iloc 比 loc 執行得更快，尤其是當索引是數字且依序排列。

其他注意事項

需要注意的是iloc 也可以對 DataFrame 的欄位進行操作，但其語法保持不變。然而 loc 在選擇列時可以使用軸標籤，提供更大的靈活性。

更多信息，請參閱 pandas 文件中的[索引和切片](https://pandas.pydata.org/docs/ user_guide/indexing.html).

以上是pandas 的 DataFrame 選擇的 `loc` 和 `iloc` 有什麼不同？的詳細內容。更多資訊請關注PHP中文網其他相關文章！