Я помітив три методи вибору стовпця в Pandas DataFrame:
Перший спосіб вибору стовпця за допомогою loc:
df_new = df.loc[:, 'col1']
Другий метод - здається простішим і швидшим:
df_new = df['col1']
Третій спосіб - найзручніший:
df_new = df.col1
Чи є різниця між цими трьома методами? Я не думаю, що в такому випадку я б скоріше використав третій метод.
Мені в основному цікаво, чому, здається, існує три методи для того, щоб робити одне і те ж.
df.sum, що станеться? (спойлер сповіщення, нічого корисного, хоча df.sum()все ще працює на щастя) Отже, 3-й спосіб слід розглядати як ярлик, який є нормальним, але з ним слід бути обережним
Відповіді:
У наступних ситуаціях вони поводяться однаково:
df['A']те саме, що df.loc[:, 'A']-> вибирає стовпець A)df[['A', 'B', 'C']]те саме, що df.loc[:, ['A', 'B', 'C']]-> вибирає стовпці A, B і C)df[1:3]те саме, що df.iloc[1:3]-> вибирає рядки 1 і 2. Зверніть увагу, однак, якщо нарізати рядки з loc, замість iloc, ви отримаєте рядки 1, 2 і 3, припускаючи, що у вас є RangeIndex . Детальніше див . Тут .)Однак []не працює в таких ситуаціях:
df.loc[row_label]df.loc[[row_label1, row_label2]]df.loc[:, 'A':'C']З цими трьома не можна покінчити []. Що ще важливіше, якщо ваш вибір включає як рядки, так і стовпці, тоді призначення стає проблематичним.
df[1:3]['A'] = 5
Це вибирає рядки 1 і 2, а потім вибирає стовпець 'A' повертаючого об'єкта і присвоює йому значення 5. Проблема в тому, що об’єкт, що повертається, може бути копією, тому це не може змінити фактичний DataFrame. Це піднімає SettingWithCopyWarning . Правильним способом цього призначення є
df.loc[1:3, 'A'] = 5
Завдяки цьому .locви гарантовано зміните оригінальний DataFrame. Це також дозволяє нарізати стовпці ( df.loc[:, 'C':'F']), вибрати один рядок ( df.loc[5]) і вибрати список рядків ( df.loc[[1, 2, 5]]).
Також зауважте, що ці два не були включені в API одночасно. .locбуло додано набагато пізніше як більш потужний та явний індексатор. Дивіться відповідь Unutbu для більш детальної інформації.
Примітка: Отримання стовпців із []vs .- це зовсім інша тема. .є лише для конвенції. Це дозволяє отримати доступ лише до стовпців, чиє ім'я є дійсним ідентифікатором Python (тобто вони не можуть містити пробіли, вони не можуть складатися з чисел ...). Його не можна використовувати, коли імена суперечать методам Series / DataFrame. Його також не можна використовувати для неіснуючих стовпців (тобто призначення df.a = 1не працюватиме, якщо стовпця немає a). Крім цього, .і []ті самі.
locособливо корисний, коли індекс не є числовим (наприклад, DatetimeIndex), оскільки з індексу можна отримати рядки з певними мітками:
df.loc['2010-05-04 07:00:00']
df.loc['2010-1-1 0:00:00':'2010-12-31 23:59:59 ','Price']
Однак []призначений для отримання стовпців з певними іменами:
df['Price']
З []вами також може фільтрувати рядки , але більш докладно:
df[df['Date'] < datetime.datetime(2010,1,1,7,0,0)]['Price']
Здається, існує різниця між df.loc [] та df [], коли ви створюєте фрейм даних із кількома стовпцями.
Ви можете звернутися до цього питання: чи є хороший спосіб створити кілька стовпців за допомогою .loc?
Тут ви не можете створити кілька стовпців, використовуючи, df.loc[:,['name1','name2']]але ви можете зробити це, просто використовуючи подвійну дужку df[['name1','name2']]. (Цікаво, чому вони поводяться по-різному.)
df.col1? Всі три з них по суті еквівалентні для дуже простого випадку вибору стовпця..locдозволить вам зробити набагато більше, ніж вибрати стовпець. Можливий дублікат stackoverflow.com/questions/31593201 / ...