快捷導(dǎo)航

pandas ix &iloc &loc的區(qū)別

更新時間：2019年01月10日 10:41:20 作者：memoryqiu

這篇文章主要介紹了pandas ix &iloc &loc的區(qū)別，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

一開始自學(xué)Python的numpy、pandas時候，索引和切片把我都給弄暈了，特別是numpy的切片索引、布爾索引和花式索引，簡直就是大亂斗。但是最近由于版本的問題，從之前的Python2.7改用Python3.6 了，在3.6中提供了loc和iloc兩種索引方法，把ix這個方法給劃分開來了，所以很有必要做個總結(jié)和對比。

loc——通過行標(biāo)簽索引行數(shù)據(jù)
iloc——通過行號索引行數(shù)據(jù)
ix——通過行標(biāo)簽或者行號索引行數(shù)據(jù)（基于loc和iloc 的混合）

同理，索引列數(shù)據(jù)也是如此！

舉例說明：

1、分別使用loc、iloc、ix 索引第一行的數(shù)據(jù):

（1）loc

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數(shù)據(jù)框

#print df.loc['a']
'''
c  1
d  2
e  3
'''

print df.loc[0]
#這個就會出現(xiàn)錯誤
'''
TypeError: cannot do label indexing on <class 'pandas.indexes.base.Index'> 
with these indexers [1] of <type 'int'>
'''

(2)iloc

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數(shù)據(jù)框

print df.iloc[0]
'''
c  1
d  2
e  3
'''
print df.iloc['a']
'''
TypeError: cannot do positional indexing on <class 'pandas.indexes.base.Index'> 
with these indexers [a] of <type 'str'>
'''

(3)ix

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數(shù)據(jù)框

print df.ix[0]
'''
c  1
d  2
e  3
'''
print df.ix['a']
'''
c  1
d  2
e  3
'''

2、分別使用loc、iloc、ix 索引第一列的數(shù)據(jù):

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數(shù)據(jù)框

print df.loc[:,['c']]

print df.iloc[:,[0]]

print df.ix[:,['c']]

print df.ix[:,[0]]
#結(jié)果都為
'''
  c
a 1
b 4
'''

3、分別使用loc、iloc、ix 索引多行的數(shù)據(jù):

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數(shù)據(jù)框

print df.loc['a':'b']

print df.iloc[0:1]

print df.ix['a':'b']

print df.ix[0:1]
#結(jié)果都為
'''
  c d e
a 1 2 3
b 4 5 6
'''

4、分別使用loc、iloc、ix 索引多列的數(shù)據(jù):

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行號
columns=['c','d','e']#列號
df=pd.DataFrame(data,index=index,columns=columns)#生成一個數(shù)據(jù)框

print df.loc[:,'c':'d']

print df.iloc[:,0:2]

print df.ix[:,'c':'d']

print df.ix[:,0:2]
#結(jié)果都為
'''
  c d
a 1 2
b 4 5
'''

5、loc、iloc、ix使用切片的區(qū)別

loc、iloc、ix對于切片的索引數(shù)據(jù)就兩種情況，按照標(biāo)簽切片索引和按照位置編號切片索引

In [20]: df.loc['ind0':'ind3']
Out[20]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14
ind3  15  16  17  18  19

In [21]: df.iloc[0:3]
Out[21]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14

區(qū)別不在于用哪種方法，而是通過標(biāo)簽索引將會將切片末端包含進(jìn)去，通過位置編號索引不會講切片末端包含進(jìn)去。同樣的都是第一行到第四行，通過loc就會把1,2,3,4行都提取出來，通過iloc就只能把1,2,3行提取出來。ix方法也是一樣，知識方法不同而已。

In [23]: df.ix['ind0':'ind3']
Out[23]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14
ind3  15  16  17  18  19

In [24]: df.ix[0:3]
Out[24]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14

對于列的切片跟行的一樣。

這里討論了基本的索引和切片，如果有用詞不當(dāng)?shù)牡胤秸執(zhí)岢鰜?，我將積極改正，或者有其他有關(guān)花式索引、布爾索引的問題也可以大家一起討論討論！

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: