Pandas 中的 Loc 与 Iloc：我什么时候应该使用它们进行切片？

Pandas 中的 Loc 与 Iloc 切片

Loc 和 iloc 是 Pandas 中两种常用的切片方法，它们提供了选择行和切片的灵活性。 DataFrame 中的列。然而，理解它们的细微差别可能会令人困惑。

主要区别：标签与位置

loc 和 iloc 之间的主要区别在于它们使用的索引类型:

• Loc: 运行于标签，特别是索引或列标签中的实际值。
• Iloc: 在整数位置上操作，表示行或列的位置中的列DataFrame。

示例：

考虑具有非单调整数的 DataFrame index:

df = pd.DataFrame({
    'a': [1, 2, 3],
    'b': [4, 5, 6],
    'c': [7, 8, 9]
}, index=[0, 2, 4])

Loc:

• df.loc[0] 访问索引标签为 0 的行，无论其位置如何。
• df.loc[0:1] 检索索引标签为 0 的行并且1.

Iloc:

• df.iloc[0] 检索索引位置 0 处的行，无论其索引标签如何。
• df.iloc[0:1] 仅访问第一行，因为它将索引位置指定为整数。

使用上的主要差异：

Feature	Loc	Iloc
Indexing	Labels	Integer locations
Slicing	Inclusive (by default)	Exclusive (by default)
Out-of-bounds behavior	KeyError	IndexError
Negative indexing	Supported	Supported for final row only
Boolean masking	NotImplementedError	Supports boolean mask
Callable indexing	Function applied to index	Function applied to row or column

何时使用 Loc 与 Iloc：

• 当你需要基于以下内容建立索引时使用loc标签，例如特定名称或类别。
• 优先选择 iloc 用于基于整数的索引，特别是对于具有明确起点和终点的切片操作。
• 避免 iloc 用于布尔屏蔽操作或基于逻辑条件的索引。

以上是Pandas 中的 Loc 与 Iloc：我什么时候应该使用它们进行切片？的详细内容。更多信息请关注PHP中文网其他相关文章！