Pandas pandas .at与.loc

在本文中，我们将介绍Pandas中的两种数据访问方式——.at和.loc，并比较它们之间的异同。

阅读更多：Pandas 教程

.at

at属性是Pandas中一个非常快速的数据访问方法，它能够精确地获取DataFrame的一个单元格的值，而不需要在整个数据集中搜索。具有以下特点：

• 它仅用于访问单个值，并且提供了一种非常快速且向量化的方式进行访问
• .at可以访问字典中的键或DataFrame中的列名，这使得在具有命名行和列的数据结构中，可以更容易地找到所需的值
• .at仅适用于一个标量

下面是一个示例，这个示例演示了使用.at获取DataFrame的单元格值：

import pandas as pd

data = {'name': ['Tom', 'Harry', 'Danny', 'Jack'], 'age': [20, 21, 23, 22]}
df = pd.DataFrame(data)

# 使用at获取单元格值
print(df.at[0, 'name'])

运行结果如下：

Tom

.loc

loc属性提供了一种灵活的方法来访问DataFrame中的数据。它可以通过行和列的标签及所需要的数据，找到请求的数据。然而，它通常比.at慢得多，因为.loc访问整行或整列后需要再次搜索，以找到正确的值。具有以下特点：

• 可以访问多行和多列
• 可以使用行和列标签
• 可以使用布尔索引

下面是一个示例，这个示例演示了使用.loc获取DataFrame的多个单元格值：

import pandas as pd

data = {'name': ['Tom', 'Harry', 'Danny', 'Jack'], 'age': [20, 21, 23, 22]}
df = pd.DataFrame(data)

# 使用loc获取多个单元格的值
print(df.loc[[0, 1], ['name', 'age']])

运行结果如下：

    name  age
0    Tom   20
1  Harry   21

.at与.loc的异同

在看到上述两个示例之后，.at与.loc之间的异同就非常显而易见了。下面是它们之间的区别：

1. 存取方式：.at只能存取一个标量，而.loc可以存取任一数量的标量，包括整个行或整个列。
2. 访问方法：.at可以通过访问某个键或者某一列，而.loc通过标签或下标（整数）访问键或列。
3. 速度：.at非常快，而.loc需要执行搜索。
4. 布尔索引：.at不能使用布尔索引，而.loc可以。

总结

在Pandas中，.at和.loc提供了两种数据访问方式。.at非常快，并适用于在单个标量上访问DataFrame数据。但是，如果访问多个标量，则需要使用.loc。.loc提供了更灵活和多功能的数据访问方式，但是相对于.at而言速度较慢。

选择更适合您的任务的适当方法，可以显着提高代码执行速度。无论您使用哪种方法，都要选择性能优化策略。