在操作DataFrame時，肯定會經(jīng)常用到loc，iloc，at等函數(shù)，各個函數(shù)看起來差不多，但是還是有很多區(qū)別的，我們一起來看下吧。

首先，還是列出一個我們用的DataFrame，注意index一列，如下：

接下來，介紹下各個函數(shù)的用法：

1、loc函數(shù)

愿意看官方文檔的，請戳這里，這里一般最權(quán)威。
loc函數(shù)是基于“標簽”選擇數(shù)據(jù)的，但是也可以接受一個boolean的array，對于每個用法，我們從參數(shù)方面來一一舉例：

1.1 單個label

接受一個“標簽”（label）參數(shù)，返回一個Series，例如下面這個例子收一個標簽，返回通過這個標簽定位的行的值，注意這里是通過標簽定位，而不是通過中括號中的數(shù)字定位第幾行，之后我們通過對比iloc函數(shù)時還會細說。

test_dict_df.loc[1] #return the row with name 'Bob'
test_dict_df.loc[7] #return the row with name 'Time' important!!!
# type(test_dict_df.loc[1]) #pandas.core.series.Series

1.2 一個label的array

如果鍵入一個標簽的array，那么就返回一個對應(yīng)的DataFrame：

test_dict_df.loc[[1,2,4]]

結(jié)果如下：

1.3 加入一個切片array

test_dict_df.loc[[1:4]]

結(jié)果如下：

1.4 行標簽，列標簽

通過在中括號中加入行標簽和列標簽來定位一個cell，相當于坐標的定位：

test_dict_df.loc[1,'english'] #result：94

1.5 行標簽或者列標簽是切片array

test_dict_df.loc[1:4,'english']
# test_dict_df.loc[1:4,'english':'math']

1.6 還可以接受條件，進行選擇

例如我們選擇英語成績超過90的所有行：

test_dict_df.loc[test_dict_df['english']>90]

當然，也可以再條件選擇后，再加入列選擇，列選擇的時候可以單列，也可以是切片數(shù)組，通過上面的介紹這里就可以靈活處理：

test_dict_df.loc[test_dict_df['english']>90,'english'] #single label
test_dict_df.loc[test_dict_df['english']>90,'english':'name'] #slice array
test_dict_df.loc[test_dict_df['english']>90,['english','name']] #label array

1.7 接受一個boolean的array

可以接受一個boolean的array，相當于按照這個表的真假按照位置的順序選擇值

test_dict_df.loc[[True,False,False,True]]

loc還有很多用法，這里先介紹到這里吧，當然如果你的DataFrame是復合的行或者復合列，寫法也是不同的，具體就可以查閱官方文檔了！

2、iloc函數(shù)

官方文檔戳這里。

iloc函數(shù)與loc函數(shù)不同的是，它接受的是一個數(shù)字，代表著要選擇數(shù)據(jù)的位置：

test_dict_df.iloc[6]

這代表我們選擇的是第6行，而不是index為6的那一行。當然，也可以接受一個boolean的array，相當于按照這個表的真假按照位置的順序選擇值：

test_dict_df.iloc[[True,False,False,True]]

這里iloc也可以接受切片array：

# test_dict_df.iloc[1:2]
test_dict_df.iloc[[1,2,4]]

3、ix函數(shù)（0.20.0版本后已經(jīng)棄用）

ix就是一種混合索引，字符串的標簽和證書的數(shù)據(jù)索引都可以作為合法輸入，其實相當于loc和iloc的一個混合方法：

test_dict_df.ix['Alice']
test_dict_df.ix[1]

上述兩種方法都能得到值，這里我們就不追究這個函數(shù)具體是怎樣的檢索順序或者工作原理了。因為官方給出的是從pandas0.20.0之后，ix函數(shù)已經(jīng)被棄用。其實在使用的時候，ix函數(shù)雖然方便，但是的確有時候會顯得比較混亂，所以我們之后也盡量少用這個函數(shù)吧，還是按照官方大佬的指導。

4、at函數(shù)

at是用來選擇單個值的，此時用法類似于loc：

test_dict_df.at[1,'english']
test_dict_df.loc[1,'english']

以上兩種方法都能選擇到，label為1，列為'english'的那個值，但是據(jù)說at速度要快，這點我沒有考證過。

5、iat函數(shù)

iat函數(shù)相對于at函數(shù)，就相當于iloc相對于loc函數(shù)。iat也只能選擇一個值。只不過是用索引位置來選擇，注意：行列都是索引位置來選擇，從0開始數(shù)。

# test_dict_df.iat[1,'english'] #error!!!
test_dict_df.iat[2,2] #right!!!

6、概括一下

最后我們概括一下：

1、 loc和iloc函數(shù)都是用來選擇某行的，iloc與loc的不同是：iloc是按照行索引所在的位置來選取數(shù)據(jù)，參數(shù)只能是整數(shù)。而loc是按照索引名稱來選取數(shù)據(jù)，參數(shù)類型依索引類型而定；

2、 at和iat函數(shù)是只能選擇某個位置的值，iat是按照行索引和列索引的位置來選取數(shù)據(jù)的。而at是按照行索引和列索引來選取數(shù)據(jù)；

3、 loc和iloc函數(shù)的功能包含at和iat函數(shù)的功能。

相應(yīng)的代碼連接：github代碼

先寫到這里，如有新的再補充。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論