Kann jemand erklären, wie sich diese drei Schneidemethoden unterscheiden?
Ich habe die Dokumente gesehen und diese Antworten gesehen , aber ich bin immer noch nicht in der Lage zu erklären, wie sich die drei unterscheiden. Für mich scheinen sie größtenteils austauschbar zu sein, weil sie sich auf den unteren Ebenen des Schneidens befinden.
Angenommen, wir möchten die ersten fünf Zeilen von a erhalten DataFrame
. Wie kommt es, dass alle drei funktionieren?
df.loc[:5]
df.ix[:5]
df.iloc[:5]
Kann jemand drei Fälle vorstellen, in denen die Unterscheidung der Verwendungen klarer ist?
Antworten:
Hinweis: In Pandas Version 0.20.0 und höher
ix
ist dies veraltet und die Verwendung vonloc
undiloc
wird stattdessen empfohlen . Ich habe die Teile dieser Antwort, dieix
als Referenz für Benutzer früherer Versionen von Pandas beschrieben werden, intakt gelassen . Nachfolgend wurden Beispiele hinzugefügt, die Alternativen zu zeigenix
.Hier ist eine Zusammenfassung der drei Methoden:
loc
Ruft Zeilen (oder Spalten) mit bestimmten Beschriftungen aus dem Index ab.iloc
Ruft Zeilen (oder Spalten) an bestimmten Positionen im Index ab (es werden also nur Ganzzahlen verwendet).ix
versucht normalerweise, sich so zu verhalten, greiftloc
aber auf das Verhalten zurück,iloc
wenn im Index keine Beschriftung vorhanden ist.Es ist wichtig, einige Feinheiten zu beachten
ix
, deren Verwendung etwas schwierig sein kann :Wenn der Index vom Typ Integer ist,
ix
wird nur die beschriftungsbasierte Indizierung verwendet und nicht auf die positionsbasierte Indizierung zurückgegriffen. Wenn sich die Bezeichnung nicht im Index befindet, wird ein Fehler ausgelöst.Wenn der Index nicht nur Ganzzahlen enthält, wird bei einer Ganzzahl
ix
sofort eine positionsbasierte Indizierung anstelle einer beschriftungsbasierten Indizierung verwendet. Wenn jedochix
ein anderer Typ (z. B. eine Zeichenfolge) angegeben wird, kann die beschriftungsbasierte Indizierung verwendet werden.Betrachten Sie die folgenden Reihen, um die Unterschiede zwischen den drei Methoden zu veranschaulichen:
Wir werden uns das Schneiden mit dem ganzzahligen Wert ansehen
3
.In diesem Fall werden
s.iloc[:3]
die ersten 3 Zeilen zurückgegeben (da 3 als Position behandelt werden) unds.loc[:3]
die ersten 8 Zeilen zurückgegeben (da 3 als Beschriftung behandelt werden):Notice
s.ix[:3]
gibt dieselbe Serie zurück, in ders.loc[:3]
zuerst nach dem Label gesucht wird, anstatt an der Position zu arbeiten (und der Index fürs
ist vom Typ Integer).Was ist, wenn wir es mit einem Integer-Label versuchen, das nicht im Index enthalten ist (sagen wir
6
)?Hier werden
s.iloc[:6]
die ersten 6 Zeilen der Serie wie erwartet zurückgegeben.s.loc[:6]
Löst jedoch einen KeyError aus, da dieser6
nicht im Index enthalten ist.s.ix[:6]
Gemäß den oben genannten Feinheiten wird jetzt ein KeyError ausgelöst, da er versucht, wie zu funktionieren,loc
aber keinen6
im Index findet. Da unser Index vom Typ Integer ist,ix
wird nicht auf das Verhalten zurückgegriffeniloc
.Wenn unser Index jedoch vom gemischten Typ wäre,
ix
würde sich eine gegebene Ganzzahl wieiloc
sofort verhalten, anstatt einen KeyError auszulösen:Denken Sie daran, dass Sie
ix
immer noch Nicht-Ganzzahlen akzeptieren und sich wie folgt verhalten könnenloc
:Wenn Sie nur mit Beschriftungen oder nur mit ganzzahligen Positionen indizieren, sollten Sie generell bei unerwarteten Ergebnissen bleiben
loc
oderiloc
diese vermeiden - versuchen Sie es nichtix
.Kombination von positionsbasierter und labelbasierter Indizierung
Wenn Sie einen DataFrame erhalten, möchten Sie manchmal Beschriftungs- und Positionsindizierungsmethoden für die Zeilen und Spalten mischen.
Betrachten Sie beispielsweise den folgenden DataFrame. Wie schneide ich die Zeilen am besten bis einschließlich 'c' und nehme die ersten vier Spalten?
In früheren Versionen von pandas (vor 0.20.0)
ix
können Sie dies ganz ordentlich tun - wir können die Zeilen nach Beschriftung und die Spalten nach Position aufteilen (beachten Sie, dass für die Spaltenix
standardmäßig positionsbasiertes Slicing verwendet wird, da dies4
kein Spaltenname ist ):In späteren Versionen von Pandas können wir dieses Ergebnis mit
iloc
und mithilfe einer anderen Methode erzielen :get_loc()
ist eine Indexmethode, die "die Position des Etiketts in diesem Index ermitteln" bedeutet. Beachten Sie, dassiloc
wir diesem Wert 1 hinzufügen müssen, wenn wir auch die Zeile 'c' möchten , da das Schneiden mit den Endpunkt exklusiv ist.Weitere Beispiele in der Dokumentation von Pandas finden Sie hier .
quelle
loc
,iloc
undix
kann die Warnung trotzdem auslösen, wenn sie miteinander verkettet sind. Wenn Sie das Beispiel DataFrame in den verknüpften Dokumenten verwenden, wirddfmi.loc[:, 'one'].loc[:, 'second']
die Warnung ausgelöst, genau wiedfmi['one']['second']
beim ersten Indizierungsvorgang möglicherweise eine Kopie der Daten (anstelle einer Ansicht) zurückgegeben wird.df.ix[date, 'Cash']
?loc
oderix
sollte in diesem Fall funktionieren. Gibt beispielsweisedf.loc['2016-04-29', 'Cash']
alle Zeilenindizes mit diesem bestimmten Datum aus der Spalte "Bargeld" zurück. (Sie können beim Abrufen von Indizes mit Zeichenfolgen so genau sein, wie Sie'2016-01'
möchten. Wählen Sie beispielsweise alle Datumsangaben aus, die in den Januar 2016 fallen. `` 2016-01-02 11 'wählt die Datumsangaben am 2. Januar 2016 mit der Zeit 11 aus: ??: ?? .)iloc
funktioniert basierend auf der ganzzahligen Positionierung. Unabhängig von Ihren Zeilenbeschriftungen können Sie beispielsweise immer die erste Zeile abrufenoder die letzten fünf Zeilen, indem Sie tun
Sie können es auch für die Spalten verwenden. Dies ruft die 3. Spalte ab:
Sie können sie kombinieren, um Schnittpunkte von Zeilen und Spalten zu erhalten:
.loc
Verwenden Sie andererseits benannte Indizes. Richten wir einen Datenrahmen mit Zeichenfolgen als Zeilen- und Spaltenbeschriftungen ein:Dann können wir die erste Reihe durch bekommen
und die zweiten beiden Zeilen der
'date'
Spalte vonund so weiter. Jetzt ist es wohl erwähnenswert, dass die Standard - Zeilen- und Spaltenindizes für einen
DataFrame
ganze Zahl von 0 und in diesem Falliloc
undloc
würde in der gleichen Art und Weise arbeiten. Deshalb sind Ihre drei Beispiele gleichwertig. Wenn Sie einen nicht numerischen Index wie Zeichenfolgen oder Datumsangaben hätten, würde dies einen Fehler auslösendf.loc[:5]
.Sie können den Spaltenabruf auch einfach mithilfe der folgenden Datenrahmen durchführen
__getitem__
:Angenommen, Sie möchten Position und benannte Indizierung mischen, dh Indizierung mithilfe von Namen in Zeilen und Positionen in Spalten (zur Verdeutlichung meine ich die Auswahl aus unserem Datenrahmen, anstatt einen Datenrahmen mit Zeichenfolgen im Zeilenindex und Ganzzahlen in zu erstellen der Spaltenindex). Hier kommt Folgendes ins
.ix
Spiel:Ich denke, es ist auch erwähnenswert, dass Sie auch boolesche Vektoren an die
loc
Methode übergeben können. Zum Beispiel:Gibt die 1. und 3. Reihe von zurück
df
. Dies entspricht derdf[b]
Auswahl, kann aber auch zum Zuweisen über boolesche Vektoren verwendet werden:quelle
df.loc[:, :]
. Es kann verwendet werden, um die Werte des Ganzen neu zuzuweisenDataFrame
oder eine Ansicht davon zu erstellen.Meiner Meinung nach ist die akzeptierte Antwort verwirrend, da ein DataFrame mit nur fehlenden Werten verwendet wird. Ich habe auch nicht wie der Begriff positionsbasierte für
.iloc
und stattdessen lieber ganze Zahl Lage , da es viel mehr beschreibend ist und genau das, was.iloc
steht. Das Schlüsselwort ist INTEGER -.iloc
braucht INTEGERS.Weitere Informationen finden Sie in meiner äußerst detaillierten Blogserie zur Auswahl von Teilmengen
.ix ist veraltet und mehrdeutig und sollte niemals verwendet werden
Da
.ix
es veraltet ist, werden wir uns nur auf die Unterschiede zwischen.loc
und konzentrieren.iloc
.Bevor wir über die Unterschiede sprechen, ist es wichtig zu verstehen, dass DataFrames Beschriftungen haben, mit denen jede Spalte und jeder Index identifiziert werden kann. Schauen wir uns einen Beispiel-DataFrame an:
Alle fett gedruckten Wörter sind die Bezeichnungen. Die Etiketten,
age
,color
,food
,height
,score
undstate
sind für die verwendeten Spalten . Die anderen LabelsJane
,Nick
,Aaron
,Penelope
,Dean
,Christina
,Cornelia
sind für den verwendeten Index .Die primären Möglichkeiten zum Auswählen bestimmter Zeilen in einem DataFrame sind die Indexer
.loc
und.iloc
. Jeder dieser Indexer kann auch zur gleichzeitigen Auswahl von Spalten verwendet werden. Es ist jedoch einfacher, sich vorerst nur auf Zeilen zu konzentrieren. Außerdem verwendet jeder der Indexer eine Reihe von Klammern, die unmittelbar auf seinen Namen folgen, um seine Auswahl zu treffen..loc wählt Daten nur anhand von Beschriftungen aus
Wir werden zuerst über den
.loc
Indexer sprechen, der nur Daten anhand der Index- oder Spaltenbezeichnungen auswählt. In unserem Beispiel DataFrame haben wir aussagekräftige Namen als Werte für den Index angegeben. Viele DataFrames haben keine aussagekräftigen Namen und verwenden stattdessen standardmäßig nur die Ganzzahlen von 0 bis n-1, wobei n die Länge des DataFrames ist.Es gibt drei verschiedene Eingänge, für die Sie verwenden können
.loc
Auswählen einer einzelnen Zeile mit .loc mit einer Zeichenfolge
Um eine einzelne Datenzeile auszuwählen, platzieren Sie die Indexbezeichnung in den folgenden Klammern
.loc
.Dies gibt die Datenzeile als Serie zurück
Auswählen mehrerer Zeilen mit .loc mit einer Liste von Zeichenfolgen
Dies gibt einen DataFrame mit den Zeilen in der in der Liste angegebenen Reihenfolge zurück:
Auswählen mehrerer Zeilen mit .loc mit Slice-Notation
Die Slice-Notation wird durch Start-, Stopp- und Schrittwerte definiert. Beim Schneiden nach Etikett enthält Pandas den Stoppwert in der Rückgabe. Die folgenden Scheiben von Aaron bis einschließlich Dean. Die Schrittgröße ist nicht explizit definiert, sondern standardmäßig 1.
Komplexe Slices können auf die gleiche Weise wie Python-Listen erstellt werden.
.iloc wählt Daten nur nach ganzzahliger Position aus
Wenden wir uns nun zu
.iloc
. Jede Zeile und Spalte von Daten in einem DataFrame hat eine ganzzahlige Position, die sie definiert. Dies gilt zusätzlich zu der Beschriftung, die in der Ausgabe visuell angezeigt wird . Die ganzzahlige Position ist einfach die Anzahl der Zeilen / Spalten von oben / links, beginnend bei 0.Es gibt drei verschiedene Eingänge, für die Sie verwenden können
.iloc
Auswählen einer einzelnen Zeile mit .iloc mit einer Ganzzahl
Dies gibt die 5. Zeile (ganzzahlige Position 4) als Serie zurück
Auswählen mehrerer Zeilen mit .iloc mit einer Liste von Ganzzahlen
Dies gibt einen DataFrame der dritten und vorletzten Zeile zurück:
Auswählen mehrerer Zeilen mit .iloc mit Slice-Notation
Gleichzeitige Auswahl von Zeilen und Spalten mit .loc und .iloc
Eine hervorragende Fähigkeit von beiden
.loc/.iloc
ist ihre Fähigkeit, sowohl Zeilen als auch Spalten gleichzeitig auszuwählen. In den obigen Beispielen wurden alle Spalten von jeder Auswahl zurückgegeben. Wir können Spalten mit denselben Eingabetypen auswählen wie für Zeilen. Wir müssen lediglich die Zeilen- und Spaltenauswahl durch ein Komma trennen .Zum Beispiel können wir die Zeilen Jane und Dean nur mit der Spaltenhöhe, Punktzahl und dem Status wie folgt auswählen:
Dies verwendet eine Liste von Beschriftungen für die Zeilen und eine Slice-Notation für die Spalten
Wir können natürlich ähnliche Operationen ausführen,
.iloc
indem wir nur ganze Zahlen verwenden.Gleichzeitige Auswahl mit Beschriftungen und ganzzahliger Position
.ix
wurde verwendet, um gleichzeitig mit Beschriftungen und ganzzahligen Positionen eine Auswahl zu treffen, was nützlich, aber manchmal verwirrend und mehrdeutig war und zum Glück veraltet ist. Für den Fall, dass Sie eine Auswahl mit einer Mischung aus Beschriftungen und ganzzahligen Positionen treffen müssen, müssen Sie sowohl Ihre Auswahlbeschriftungen als auch ganzzahlige Positionen treffen.Wenn wir beispielsweise Zeilen
Nick
undCornelia
Spalten 2 und 4 auswählen möchten , können wir.loc
die Ganzzahlen in Beschriftungen mit den folgenden Angaben konvertieren:Alternativ können Sie die Indexbezeichnungen mit der
get_loc
Indexmethode in Ganzzahlen konvertieren .Boolesche Auswahl
Der .loc-Indexer kann auch eine boolesche Auswahl treffen. Wenn wir beispielsweise daran interessiert sind, alle Zeilen zu finden, in denen das Alter über 30 liegt, und nur die Spalten
food
und zurückzugeben,score
können wir Folgendes tun:Sie können dies mit replizieren,
.iloc
aber Sie können ihm keine boolesche Reihe übergeben. Sie müssen die boolesche Reihe in ein numpy-Array wie folgt konvertieren:Alle Zeilen auswählen
Es kann
.loc/.iloc
nur für die Spaltenauswahl verwendet werden. Sie können alle Zeilen mit einem Doppelpunkt wie folgt auswählen:Der Indizierungsoperator
[]
kann auch Zeilen und Spalten auswählen, jedoch nicht gleichzeitig.Die meisten Benutzer kennen den Hauptzweck des DataFrame-Indexierungsoperators, nämlich die Auswahl von Spalten. Eine Zeichenfolge wählt eine einzelne Spalte als Serie aus, und eine Liste von Zeichenfolgen wählt mehrere Spalten als DataFrame aus.
Durch die Verwendung einer Liste werden mehrere Spalten ausgewählt
Weniger vertraut ist, dass bei Verwendung der Slice-Notation die Auswahl nach Zeilenbeschriftungen oder nach ganzzahliger Position erfolgt. Das ist sehr verwirrend und etwas, das ich fast nie benutze, aber es funktioniert.
Die Aussage
.loc/.iloc
zur Auswahl von Zeilen wird sehr bevorzugt. Der Indizierungsoperator allein kann keine Zeilen und Spalten gleichzeitig auswählen.quelle