pandas 的 DataFrame 选择的 `loc` 和 `iloc` 有什么区别？

iloc 和 loc 有什么不同？

在 Python 的 pandas 库中，loc 和 iloc 函数用于对 DataFrame 进行切片。虽然它们有一些相似之处，但它们的主要目的和基本机制存在显着差异。

loc 与 iloc：基于标签与基于位置的选择

loc基于标签进行操作，标签是与行或列关联的索引值。它通过将行（或列）的标签与指定的选择标准相匹配来检索行（或列）。例如，df.loc[:5] 将返回 DataFrame 的前五行，其中标签按升序排列。

iloc 另一方面，基于整数位置。它根据行（或列）在 DataFrame 中的位置来选择行（或列）。例如，df.iloc[:5] 也将返回前五行，但其选择是基于序数位置（从 0 开始的索引）。

说明区别的示例

考虑以下具有非单调索引的 DataFrame：

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

使用 loc 和 iloc 检索前五个元素：

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

结果不同：

• s.loc[:5] 返回索引标签为 0 到 5（含）的行，结果是：

0    d
1    e
2    f

• s.iloc[:5] 返回位置 0 到 4 的行（独家），导致：

49    a
48    b
47    c
0    d
1    e

一般差异

总结 loc 和 iloc 之间的一般差异：

• loc：索引标签-based，按标签精确选择。
• iloc：基于整数位置，按标签选择位置。
• loc 可以处理非单调索引和越界标签，而 iloc 在这种情况下会引发错误。
• 在某些情况下，iloc 比 loc 执行得更快，尤其是当索引是数字且按顺序排列。

其他注意事项

需要注意的是iloc 也可以对 DataFrame 的列进行操作，但其语法保持不变。然而 loc 在选择列时可以使用轴标签，提供更大的灵活性。

更多信息，请参阅 pandas 文档中的[索引和切片](https://pandas.pydata.org/docs/ user_guide/indexing.html).

以上是pandas 的 DataFrame 选择的 `loc` 和 `iloc` 有什么区别？的详细内容。更多信息请关注PHP中文网其他相关文章！