판다의 LOC 대 ILOC: 판다의 LOC와 ILOC의 차이점

Pandas의 Loc 및 iloc

새로운 Python 개발자들 사이에서 혼동을 일으키는 일반적인 원인은 loc 대 iloc입니다. 둘 다 매우 유사해 보이며 유사한 작업을 수행합니다. 그래서 이것은 어떤 학생이든 어리둥절할 수 있습니다.

iloc과 loc의 차이점을 알고 싶다면 제대로 찾아오셨습니다. 이 기사에서 이 주제에 대해 자세히 논의할 것이기 때문입니다. 이러한 기능 간의 주요 차이점을 찾은 다음 개념을 더 잘 이해하기 위해 작동하는 모습을 볼 수 있습니다. Pandas에 대해 자세히 알아보려면 데이터 과학 과정을 확인하세요.

시작하자.

loc과 iloc의 차이점

1. 파이썬의 iloc

선택을 위해 Python에서 iloc을 사용할 수 있습니다. 정수 위치 기반이며 위치별로 선택하는 데 도움이 됩니다. 따라서 인덱스가 5인 행을 찾으려면 iloc은 이름이나 레이블에 관계없이 데이터 프레임의 다섯 번째 행을 표시합니다.

다음은 Python의 iloc 예제입니다.

>>> mydict = [{'a': 1, 'b': 2, 'c': 3, 'd': 4},

… {'a': 100, 'b': 200, 'c': 300, 'd': 400},

… {'a': 1000, 'b': 2000, 'c': 3000, 'd': 4000 }]

>>> df = pd.DataFrame(mydict)

>>> df

ABCD

0 1 2 3 4

1 100 200 300 400

2 1000 2000 3000 4000

위의 데이터 프레임에 대해 iloc 함수를 사용하여 정수 스칼라로 행을 인덱싱합니다.

>>> 유형(df.iloc[0])

<클래스 'pandas.core.series.Series'>

>>> df.iloc[0]

1

나 2

c 3

디 4

이름: 0, dtype: int64

2. 판다에서 loc

Pandas에서 loc을 사용하여 레이블을 사용하여 여러 행과 열에 액세스할 수 있습니다. 그러나 부울 배열과 함께 사용할 수도 있습니다.

loc을 사용하여 인덱스가 5인 행을 찾는 경우 다섯 번째 행은 얻지 못합니다. 대신 이름이 '5'인 행만 가져옵니다.

다음은 Pandas의 loc 예제입니다.

>>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],

… index=['코브라', '바이퍼', '사이드와인더'],

… 열=['최대 속도', '방패'])

>>> df

max_speed 실드

코브라 1 2

독사 4 5

사이드와인더 7 8

위는 우리가 행을 추출할 테이블입니다:

>>> df.loc['바이퍼']

최대 속도 4

방패 5

이름: 바이퍼, dtype: int64

loc 대 iloc에 대한 자세한 예

선택을 위해 이 두 기능을 모두 사용하지만 차이점을 이해하기 위해 자세한 예를 논의하는 것이 가장 좋습니다.

이 예에서는 kaggle에서 사용할 수 있는 telco 고객 데이터 세트를 사용합니다. 우리는 그것을 데이터 프레임에 추가할 것입니다:

df = pd.read_csv("프로젝트/churn_prediction/Telco-Customer-Churn.csv")

df.head ()

이 데이터세트에는 21개의 열이 있습니다. 우리는 데모 목적으로 몇 가지만 보여주었습니다. 이미 논의한 바와 같이 loc을 사용하여 레이블로 데이터를 선택합니다. 여기에서 열 이름은 성별, 재임 기간, OnlineSecurity와 같은 열 레이블입니다. 그것들은 모두 열 이름과 레이블입니다.

특정 인덱스를 할당하지 않았기 때문에 pandas는 기본적으로 행에 대한 정수 인덱스를 생성합니다. 행 레이블은 0에서 시작하여 위로 올라가는 정수입니다. 이 예에서 우리는 loc과 iloc이 어떻게 다르게 동작하는지 볼 것입니다.

• 행 "1" 및 "파트너" 열 선택

df.loc[1, '파트너']

출력: '아니오'

행 '1'의 '파트너' 열에 있는 값을 보여줍니다.

• 행 레이블 '4' 및 열 'customerID' 및 'gender' 선택

df.loc[:4, ['고객 ID', '성별']]

• 행 레이블 "1", "2", "3" 및 "Dependents" 열 선택

df.loc[[1,2,3], '종속']

1 아니요

2 아니요

3 아니요

이름: 종속, dtype: 개체

이번에는 데이터 프레임을 필터링하고 iloc 또는 loc을 적용합니다.

• 파트너가 있는 고객의 "10" 및 "PhoneService" 및 "InternetService" 열에 대한 행 레이블 선택(파트너는 '예'여야 함)

df [df.Partner == '예'].loc:10, ['전화 서비스', '인터넷 서비스']]

위의 경우 데이터베이스에 필터를 적용했지만 인덱스를 변경하지 않았으므로 필터에 필요한 행의 여러 레이블이 출력에서 ​​생략되었습니다. 따라서 여기에서 loc[:10]을 사용하여 레이블이 최대 "10"인 행을 선택했습니다.

반면에 여기서 iloc을 사용하고 필터를 적용하면 iloc이 레이블에 관계없이 위치별로 선택하므로 10개의 행을 얻습니다. 다음은 iloc[:10]을 적용하면 얻을 수 있는 결과입니다.

df[df.파트너 == '예'].iloc[:10, [6,8]]

열을 선택하는 방법을 변경해야 한다는 사실을 눈치채셨을 것입니다.

읽기: Python Pandas 자습서

• iloc으로 처음 5개 열과 처음 5개 행 선택

df.iloc[:4, :4]

iloc을 사용하여 끝에서 위치를 선택할 수 있습니다. 이를 위해 우리는 단순히 음의 정수(-1, -2 등)를 사용하고 시작해야 합니다.

• 마지막 5개 열과 마지막 5개 행 선택

df.iloc[-5:, -5:]

iloc과 함께 람다 함수를 사용할 수도 있습니다. (람다 함수는 단일 표현식을 가질 수 있지만 인수의 수에는 제한이 없는 Python의 작은 익명 함수입니다)

• 15번째 줄까지 세 번째 행마다 선택하고 "인터넷 서비스" 및 "파트너" 열만 표시

df.iloc[ 람다 x: (x.index x 3 == 0) & (x.index <= 150]['파트너', '인터넷 서비스' ]]

또한 그 사이에 있는 레이블이나 위치를 선택할 수도 있습니다.

• 4와 6 사이의 열 위치를 선택하고 20과 25 사이의 행 위치를 선택합니다.

df.iloc[20:25, 4:6]

이제 iloc에 레이블을 전달하려고 하면 Pandas는 다음 오류 메시지를 표시합니다.

ValueError: 위치 기반 인덱싱은 [정수, 정수 슬라이스(START 포인트는 INCLUDED, END 포인트는 EXCLUDED), 리스트와 같은 정수, 부울 배열] 유형만 가질 수 있습니다.

위치를 loc에 전달하면 비슷한 오류가 발생합니다.

더 읽어보기: 팬더 인터뷰 질문

파이썬에 대해 더 알아보기

학생은 질문을 하고 답을 찾아야 합니다. 이 기사가 Pandas의 loc(또는 Python의 iloc)에 대한 질문에 대한 답변이 되었기를 바랍니다. 작동 방식을 이해하기 위해 다른 데이터 세트에서 이러한 기능을 직접 시도하는 것이 가장 좋습니다.

Python, Pandas 및 관련 주제에 대해 자세히 알아보려면 블로그를 방문해야 합니다. 당사 전문가는 여기에 여러 가지 자세한 리소스를 추가합니다.

데이터 과학에 대해 자세히 알아보려면 작업 전문가를 위해 만들어졌으며 10개 이상의 사례 연구 및 프로젝트, 실용적인 실습 워크숍, 업계 전문가와의 멘토링, 1 - 업계 멘토와 일대일, 400시간 이상의 학습 및 최고의 기업과의 취업 지원.