时间戳

首页 > 解决方案 > 在pandas和Python中iloc函数有什么优势

python - 在pandas和Python中iloc函数有什么优势

问题描述

我刚开始学习 Python 和 Pandas，我在很多教程中看到了 iloc 函数的使用。总是说您可以使用此函数来引用数据框中的列和行。但是，您也可以不使用 iloc 函数直接执行此操作。因此，这是一个产生相同输出的示例：

# features is just a dataframe with several rows and columns
features = pd.DataFrame(features_standardized)

y_train = features.iloc[start:end] [[1]]
y_train_noIloc = features [start:end] [[1]]

这两个语句有什么区别，我在使用 iloc 时有什么优势？我会欣赏每一条评论。

标签： pythonpython-3.xpandas

解决方案

根据pandas 文档，iloc提供：

纯粹基于整数位置的索引，用于按位置进行选择。

因此，如下面的简单示例所示，如果不使用or ，[row, col]则无法进行索引，因为会抛出 a 。locilocKeyError

例子：

# Build a simple, sample DataFrame.
df = pd.DataFrame({'a': [1, 2, 3, 4]})

# No iloc
>>> df[0, 0]
KeyError: (0, 0)

# With iloc:
>>> df.iloc[0, 0]
1

loc使用列名时，同样的逻辑也成立。

有什么区别？没有 iloc 的索引何时工作？

简短的回答：在索引行和列时
使用loc和/或。如果在行或列上建立索引，则无需它就可以逃脱，并且被称为“切片”。iloc

但是，我在您的示例中看到[start:end][[1]]已使用。在 pandas 中使用背靠背方括号（例如：）通常被认为是不好的做法[][]，并且通常表明应该采用不同（更有效）的方法 - 在这种情况下，使用iloc.

更长的答案：
调整您的[start:end]切片示例（如下所示），索引在仅对行iloc进行索引（切片）时有效。以下示例不使用并将返回第 0 到第 3行。iloc

df[0:3]

输出：

   a
0  1
1  2
2  3

注意 和 的[0:3]区别[0, 3]。前者（切片）使用冒号，将返回0 到 3 的行或索引。而后者使用逗号, 并且是[row, col]索引器，需要使用iloc.

旁白：
这两种方法可以像这里展示的那样组合，并将返回第 0 到第 3 行，列索引为 0。而如果不使用iloc.

df.iloc[0:3, 0]

推荐阅读