Pandas DataFrame中loc()和iloc()的区别

Pandas DataFrame中loc()和iloc()的区别

python的Pandas库对于数学数据的处理非常有用,并被广泛用于机器学习领域。它包括许多方法以保证其正常运行。loc()和iloc()就是这些方法之一。这些方法用于从Pandas DataFrame中切分数据。它们有助于在Python中从DataFrame中方便地选择数据。它们用于根据某些条件过滤数据。

创建一个样本数据框架

这两种方法的工作原理在汽车的样本数据集中都有说明。

# importing the module
import pandas as pd
 
# creating a sample dataframe
data = pd.DataFrame({'Brand': ['Maruti', 'Hyundai', 'Tata',
                               'Mahindra', 'Maruti', 'Hyundai',
                               'Renault', 'Tata', 'Maruti'],
                     'Year': [2012, 2014, 2011, 2015, 2012,
                              2016, 2014, 2018, 2019],
                     'Kms Driven': [50000, 30000, 60000,
                                    25000, 10000, 46000,
                                    31000, 15000, 12000],
                     'City': ['Gurgaon', 'Delhi', 'Mumbai',
                              'Delhi', 'Mumbai', 'Delhi',
                              'Mumbai', 'Chennai',  'Ghaziabad'],
                     'Mileage':  [28, 27, 25, 26, 28,
                                  29, 24, 21, 24]})
 
# displaying the DataFrame
display(data)
Python

输出 :

Pandas DataFrame中loc()和iloc()的区别

Python loc()函数

loc()函数是基于标签的数据选择方法,这意味着我们必须传递我们想要选择的行或列的名称。与iloc()不同的是,这个方法包括了它所传递的范围的最后一个元素。loc()可以接受布尔数据,与iloc()不同。许多操作都可以用loc()方法进行,例如

示例 1:

根据某些条件选择数据

# selecting cars with brand 'Maruti' and Mileage > 25
display(data.loc[(data.Brand == 'Maruti') & amp
                 (data.Mileage & gt
                  25)])
Python

输出 :

Pandas DataFrame中loc()和iloc()的区别

示例 2:

从DataFrame中选择一个行的范围

# selecting range of rows from 2 to 5
display(data.loc[2: 5])
Python

输出 :

Pandas DataFrame中loc()和iloc()的区别

示例 3:

更新任何列的值

# updating values of Mileage if Year < 2015
data.loc[(data.Year & lt
          2015), ['Mileage']] = 22
display(data)
Python

输出 :

Pandas DataFrame中loc()和iloc()的区别

Python iloc()函数

iloc()函数是一个基于索引的选择方法,这意味着我们必须在该方法中传递一个整数索引来选择一个特定的行/列。与loc()不同的是,该方法不包括所传递范围的最后一个元素。iloc()不接受布尔数据,与loc()不同。使用iloc()进行的操作是。

示例 1:

使用整数索引选择行

# selecting 0th, 2th, 4th, and 7th index rows
display(data.iloc[[0, 2, 4, 7]])
Python

输出 :

Pandas DataFrame中loc()和iloc()的区别

示例 2:

同时选择一个列和行的范围

# selecting rows from 1 to 4 and columns from 2 to 4
display(data.iloc[1: 5, 2: 5])
Python

输出 :

Pandas DataFrame中loc()和iloc()的区别

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册