LOC กับ ILOC ใน Pandas: ความแตกต่างระหว่าง LOC และ ILOC ใน Pandas

Loc และ iloc ใน Pandas

สาเหตุทั่วไปของความสับสนในหมู่นักพัฒนา Python ใหม่คือ loc กับ iloc ทั้งคู่ดูคล้ายกันมากและทำงานคล้ายกัน ดังนั้นสิ่งนี้สามารถไขปริศนาของนักเรียนคนใดก็ได้

หากคุณต้องการทราบความแตกต่างระหว่าง iloc และ loc คุณมาถูกที่แล้ว เพราะในบทความนี้ เราจะพูดถึงรายละเอียดในหัวข้อนี้ คุณจะพบว่าอะไรคือข้อแตกต่างที่สำคัญระหว่างฟังก์ชันเหล่านี้ และเห็นการใช้งานจริงเพื่อทำความเข้าใจแนวคิดให้ดีขึ้น ชำระเงินหลักสูตรวิทยาศาสตร์ข้อมูลของเราเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับหมีแพนด้า

มาเริ่มกันเลย.

ความแตกต่างระหว่าง loc และ iloc

1. iloc ใน Python

คุณสามารถใช้ iloc ใน Python สำหรับการเลือก เป็นจำนวนเต็มตามตำแหน่งและช่วยให้คุณเลือกตามตำแหน่ง ดังนั้น หากคุณต้องการค้นหาแถวที่มีดัชนี 5 iloc จะแสดงแถวที่ห้าของ data frame โดยไม่คำนึงถึงชื่อหรือป้ายกำกับ

นี่คือตัวอย่างของ iloc ใน Python:

>>> 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

เอบีซีดี

0 1 2 3 4

1 100 200 300 400

2 1000 2000 3000 4000

เราจะสร้างดัชนีแถวด้วยจำนวนเต็มสเกลาร์โดยใช้ฟังก์ชัน iloc สำหรับดาต้าเฟรมด้านบน:

>>> พิมพ์ (df.iloc[0])

<คลาส 'pandas.core.series.Series'>

>>> df.iloc[0]

1

ข2

ค 3

d 4

ชื่อ: 0, dtype: int64

2. อยู่ใน Pandas

คุณสามารถใช้ loc ใน Pandas เพื่อเข้าถึงหลายแถวและหลายคอลัมน์โดยใช้ป้ายกำกับ อย่างไรก็ตาม คุณสามารถใช้กับอาร์เรย์บูลีนได้เช่นกัน

หากคุณใช้ loc เพื่อค้นหาแถวที่มีดัชนี 5 คุณจะไม่ได้แถวที่ห้าด้วย แต่คุณจะได้เฉพาะแถวที่มีชื่อ '5' เท่านั้น

นี่คือตัวอย่างของ loc ใน Pandas:

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

… index=['cobra', 'viper', 'sidewinder'],

… คอลัมน์=['max_speed', 'shield'])

>>> df

max_speed ชิลด์

งูเห่า 1 2

ไวเปอร์ 4 5

คนเดินดิน 7 8

ด้านบนเป็นตารางที่เราจะแยกแถว:

>>> df.loc['งูพิษ']

max_speed 4

โล่ 5

ชื่อ: ไวเปอร์, dtype: int64

ตัวอย่างโดยละเอียดสำหรับ loc กับ iloc

แม้ว่าเราจะใช้ฟังก์ชันทั้งสองนี้ในการเลือก แต่จะดีที่สุดถ้าเราพูดถึงตัวอย่างโดยละเอียดเพื่อทำความเข้าใจความแตกต่าง

ในตัวอย่างของเรา เราจะใช้ชุดข้อมูลลูกค้า telco ซึ่งมีอยู่ใน kaggle เราจะเพิ่มลงในกรอบข้อมูล:

df = pd.read_csv (“โครงการ/churn_prediction/Telco-Customer-Churn.csv”)

df.head ()

ชุดข้อมูลนี้มี 21 คอลัมน์ เราได้แสดงเพียงบางส่วนเพื่อการสาธิตเท่านั้น ดังที่เราได้กล่าวไปแล้ว เราใช้ loc เพื่อเลือกข้อมูลตามป้ายกำกับ ในที่นี้ ชื่อของคอลัมน์คือป้ายชื่อคอลัมน์ เช่น เพศ, อายุ, OnlineSecurity; ทั้งหมดเป็นชื่อคอลัมน์และป้ายกำกับ

เนื่องจากเราไม่ได้กำหนดดัชนีเฉพาะใดๆ แพนด้าจะสร้างดัชนีจำนวนเต็มสำหรับแถวโดยค่าเริ่มต้น ป้ายชื่อแถวเป็นจำนวนเต็ม ซึ่งเริ่มต้นที่ 0 และขึ้นไป ในตัวอย่างนี้ เราจะเห็นว่า loc และ iloc ทำงานแตกต่างกันอย่างไร

• เลือกแถว “1” และคอลัมน์ “พันธมิตร”

df.loc[1, 'พันธมิตร']

ผลลัพธ์: 'ไม่'

มันแสดงค่าที่มีอยู่ในคอลัมน์ 'Partner' ของแถว '1'

• เลือกป้ายกำกับแถว '4' และคอลัมน์ 'รหัสลูกค้า' และ 'เพศ'

df.loc[:4, ['รหัสลูกค้า', 'เพศ']]

• เลือกแถวป้าย “1”, “2”, “3” และ “ขึ้นอยู่กับ” คอลัมน์

df.loc[[1,2,3], 'ขึ้นอยู่กับ']

1 ไม่ใช่

2 ไม่ใช่

3 ไม่ใช่

ชื่อ: อยู่ในความอุปการะ dtype: object

คราวนี้ เราจะกรอง dataframe และใช้ iloc หรือ loc:

• เลือกป้ายกำกับแถวเป็น “10” และ “PhoneService” และ “InternetService” คอลัมน์ของลูกค้าที่มีพันธมิตร (พันธมิตรควรเป็น 'ใช่')

df [df.Partner == 'ใช่'].loc:10, ['PhoneService', 'InternetService']]

ในกรณีข้างต้น เราใช้ตัวกรองกับฐานข้อมูล แต่ไม่ได้เปลี่ยนดัชนี ดังนั้นเอาต์พุตของเราจึงละป้ายกำกับหลายแถวของแถวที่ตัวกรองของเรากำหนด ดังนั้น โดยใช้ loc[:10] ที่นี่ เราจึงเลือกแถวที่มีป้ายกำกับไม่เกิน “10”

ในทางกลับกัน หากเราใช้ iloc ที่นี่และใช้ตัวกรอง เราจะได้ 10 แถวตามที่ iloc เลือกตามตำแหน่งโดยไม่คำนึงถึงป้ายกำกับ นี่คือผลลัพธ์ที่เราจะได้รับหากเราใช้ iloc[:10]:

df[df.Partner == 'ใช่'].iloc[:10, [6,8]]

คุณต้องสังเกตว่าเราต้องเปลี่ยนวิธีการเลือกคอลัมน์

อ่าน: บทช่วยสอน Python Pandas

• เลือก 5 คอลัมน์แรกและ 5 แถวแรกด้วย iloc

df.iloc[:4, :4]

เราสามารถใช้ iloc เพื่อเลือกตำแหน่งจากจุดสิ้นสุด ในการนั้น เราจะต้องใช้จำนวนเต็มลบ (-1, -2 เป็นต้น) แล้วเริ่มด้วย

• เลือก 5 คอลัมน์สุดท้ายและ 5 แถวสุดท้าย

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

คุณสามารถใช้ฟังก์ชันแลมบ์ดากับ iloc ได้เช่นกัน (ฟังก์ชันแลมบ์ดาเป็นฟังก์ชันนิรนามขนาดเล็กใน Python ซึ่งสามารถมีนิพจน์เดียว แต่มีอาร์กิวเมนต์จำนวนเท่าใดก็ได้)

• เลือกทุกแถวที่สามถึงแถวที่ 15 และแสดงเฉพาะคอลัมน์ "บริการอินเทอร์เน็ต" และ "พันธมิตร"

df.iloc[ แลมบ์ดา x: (x.index x 3 == 0) & (x.index <= 150]['Partner', 'InternetService' ]]

นอกจากนี้เรายังสามารถเลือกป้ายกำกับหรือตำแหน่งที่อยู่ระหว่างนั้น

• เลือกตำแหน่งคอลัมน์ระหว่าง 4 ถึง 6 และตำแหน่งแถวระหว่าง 20 ถึง 25

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

ตอนนี้ หากคุณพยายามส่งป้ายกำกับให้ iloc Pandas จะแสดงข้อความแสดงข้อผิดพลาดต่อไปนี้:

ValueError: การจัดทำดัชนีตามตำแหน่งสามารถมีได้เฉพาะประเภท [จำนวนเต็ม, สไลซ์จำนวนเต็ม (รวมจุดเริ่มต้น, จุดสิ้นสุดไม่รวม) ประเภทรายการของจำนวนเต็ม, อาร์เรย์บูลีน]

คุณจะได้รับข้อผิดพลาดที่คล้ายกันหากคุณส่งผ่านตำแหน่งไปยัง loc

อ่านเพิ่มเติม: คำถามสัมภาษณ์แพนด้า

เรียนรู้เพิ่มเติมเกี่ยวกับ Python

นักเรียนต้องถามคำถามและค้นหาคำตอบ เราหวังว่าบทความนี้จะตอบคำถามของคุณเกี่ยวกับ loc ใน Pandas (หรือ iloc ใน Python) จะเป็นการดีที่สุดถ้าคุณลองใช้ฟังก์ชันเหล่านี้ด้วยตัวเองกับชุดข้อมูลต่างๆ เพื่อทำความเข้าใจวิธีการทำงาน

หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ Python, Pandas และหัวข้อที่เกี่ยวข้อง คุณควรไปที่บล็อกของเรา ผู้เชี่ยวชาญของเราเพิ่มแหล่งข้อมูลโดยละเอียดมากมายที่นั่น

หากคุณอยากเรียนรู้เกี่ยวกับวิทยาศาสตร์ข้อมูล ลองดูโปรแกรม Executive PG ของ IIIT-B & upGrad ใน Data Science ซึ่งสร้างขึ้นสำหรับมืออาชีพที่ทำงานและมีกรณีศึกษาและโครงการมากกว่า 10 รายการ เวิร์กช็อปภาคปฏิบัติจริง การให้คำปรึกษากับผู้เชี่ยวชาญในอุตสาหกรรม 1 -on-1 พร้อมที่ปรึกษาในอุตสาหกรรม การเรียนรู้มากกว่า 400 ชั่วโมงและความช่วยเหลือด้านงานกับบริษัทชั้นนำ