标签:loc Name 17 Python dtype DataFrame iloc Out
在使用pandas时,loc和iloc让我踩了几次坑。所以在此记录一下二者的区别。
In [1]: import pandas as pd
In [2]: import numpy as np
In [3]: d = pd.DataFrame(np.arange(20).reshape(5, 4), columns=list('abcd'))
In [4]: d
Out[4]:
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
4 16 17 18 19
In [5]:
1、在取某一列的时候,loc的列参数是列名,而iloc的列参数是该列的索引。例如取b列:
In [5]: d.loc[:, 'b']
Out[5]:
0 1
1 5
2 9
3 13
4 17
Name: b, dtype: int64
In [6]: d.iloc[:, 1]
Out[6]:
0 1
1 5
2 9
3 13
4 17
Name: b, dtype: int64
2、在取某一行的时候,loc的行参数是索引值, 而iloc的行参数是“行号”,第一行的行号就是0,第二行的行号就是1。我们把d倒序一下,然后取第一行就会发现区别:
In [7]: e = d.sort_index(ascending=False)
In [8]: e
Out[8]:
a b c d
4 16 17 18 19
3 12 13 14 15
2 8 9 10 11
1 4 5 6 7
0 0 1 2 3
In [9]: e.loc[0, :]
Out[9]:
a 0
b 1
c 2
d 3
Name: 0, dtype: int64
In [10]: e.iloc[0, :]
Out[10]:
a 16
b 17
c 18
d 19
Name: 4, dtype: int64
可以看到iloc并没有按照索引取行,而是取了第一行。
以上是loc和iloc的两点区别,欢迎补充!
标签:loc,Name,17,Python,dtype,DataFrame,iloc,Out 来源: https://blog.csdn.net/jessendsc/article/details/115414947
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。