Pandas 中的 LOC 與 ILOC：Pandas 中 LOC 和 ILOC 的區別

Pandas 中的 Loc 和 iloc

新 Python 開發人員混淆的一個常見原因是 loc 與 iloc。 它們看起來都非常相似並且執行相似的任務。 所以這可能會讓任何學生感到困惑。

如果您想找出 iloc 和 loc 之間的區別，那麼您來對地方了，因為在本文中，我們將詳細討論這個主題。 您會發現這些功能之間的主要區別是什麼，然後查看它們的實際操作以更好地理解這個概念。 查看我們的數據科學課程，了解更多關於 Pandas 的信息。

讓我們開始吧。

loc和iloc之間的區別

1. Python中的iloc

您可以在 Python 中使用 iloc 進行選擇。 它基於整數位置，可幫助您按位置進行選擇。 因此，如果您想查找索引為 5 的行，iloc 將向您顯示數據框的第五行，而不管其名稱或標籤如何。

這是 Python 中 iloc 的示例：

>>> 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

A B C D

0 1 2 3 4

1 100 200 300 400

2 1000 2000 3000 4000

我們將使用標量整數索引行。通過對上述數據幀使用 iloc 函數：

>>> 類型（df.iloc[0]）

<class 'pandas.core.series.Series'>

>>> df.iloc[0]

一個 1

b 2

3

d 4

名稱：0，數據類型：int64

2. 定位於 Pandas

您可以在 Pandas 中使用 loc 通過標籤訪問多行和多列； 但是，您也可以將它與布爾數組一起使用。

如果您使用 loc 查找索引為 5 的行，您將不會得到第五行。 相反，您只會得到名稱為“5”的行。

以下是 Pandas 中 loc 的示例：

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

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

… 列=['max_speed', 'shield'])

>>> df

max_speed 盾牌

眼鏡蛇 1 2

毒蛇 4 5

響尾蛇 7 8

上面是我們將從中提取行的表：

>>> df.loc['毒蛇']

最大速度 4

盾牌 5

名稱：毒蛇，數據類型：int64

loc vs iloc的詳細示例

即使我們使用這兩個函數進行選擇，最好還是討論一個詳細的例子來理解它們的區別。

在我們的示例中，我們將使用 kaggle 上提供的電信客戶數據集。 我們將其添加到數據框中：

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

df.head()

該數據集有 21 列； 我們只展示了一些用於演示目的。 正如我們已經討論過的，我們使用 loc 按標籤選擇數據。 這裡，列的名稱是它們的列標籤，例如性別、任期、OnlineSecurity； 它們都是列名和標籤。

由於我們沒有分配任何特定的索引，pandas 默認會為行創建一個整數索引。 行標籤是整數，從 0 開始向上。 在這個例子中，我們將看到 loc 和 iloc 的行為有何不同。

• 選擇“1”行和“合作夥伴”列

df.loc[1, '合作夥伴']

輸出：“不”

它顯示了“1”行的“合作夥伴”列中的值。

• 選擇行標籤“4”和列“customerID”和“gender”

df.loc[:4, ['customerID', 'gender']]

• 選擇行標籤“1”、“2”、“3”和“Dependents”列

df.loc[[1,2,3], '家屬']

1 沒有

2 否

3 否

名稱：家屬，dtype：對象

這一次，我們將過濾數據幀並應用 iloc 或 loc：

• 選擇具有合作夥伴的客戶的“10”、“PhoneService”和“InternetService”列的行標籤（合作夥伴應為“是”）

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

在上面的例子中，我們對數據庫應用了一個過濾器，但沒有更改索引，因此我們的輸出省略了過濾器所需的行的多個標籤。 因此，通過在這裡使用 loc[:10]，我們選擇了標籤最多為“10”的行。

另一方面，如果我們在這裡使用 iloc 並應用過濾器，我們將得到 10 行，因為 iloc 按位置選擇而與標籤無關。 如果我們應用 iloc[:10]，我們會得到以下結果：

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

您一定已經註意到我們必須更改選擇列的方法。

閱讀： Python Pandas 教程

• 使用 iloc 選擇前 5 列和前 5 行

df.iloc[:4, :4]

我們可以使用 iloc 從末尾選擇位置。 為此，我們只需使用負整數（-1、-2 等）並從它們開始。

• 選擇最後 5 列和最後 5 行

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

您也可以將 lambda 函數與 iloc 一起使用。 （lambda 函數是 Python 中的一個小型匿名函數，它可以有一個表達式但可以有任意數量的參數）

• 每隔三行選擇一次，直到第 15 行，僅顯示“互聯網服務”和“合作夥伴”列

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

我們還可以選擇介於兩者之間的標籤或位置。

• 選擇 4 到 6 之間的列位置，以及 20 到 25 之間的行位置

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

現在，如果您嘗試將標籤傳遞給 iloc，Pandas 將向您顯示以下錯誤消息：

ValueError:基於位置的索引只能有 [integer, integer slice (START point is INCLUDED, END point is EXCLUDED), listlike of integers, boolean array] 類型

如果您將位置傳遞給 loc，您將收到類似的錯誤。

另請閱讀：熊貓面試問題

了解有關 Python 的更多信息

學生必須提出問題並找到答案。 我們希望本文能回答您關於 Pandas 中的 loc（或 Python 中的 iloc）的問題。 如果您自己在不同的數據集上嘗試這些函數以了解它們的工作原理，那將是最好的。

如果您想了解有關 Python、Pandas 和相關主題的更多信息，請訪問我們的博客。 我們的專家在那裡添加了多個詳細資源。

如果您想了解數據科學，請查看 IIIT-B 和 upGrad 的數據科學執行 PG 計劃，該計劃是為在職專業人士創建的，提供 10 多個案例研究和項目、實用的實踐研討會、行業專家的指導、1與行業導師一對一，400 多個小時的學習和頂級公司的工作協助。