Question

以下是否有不同之处？

dfCombined[col][dfCombined[col].isnull()]
dfCombined[col].loc[dfCombined[col].isnull()]

我检查了iloc和ix，它们不支持布尔选择？

Answer 1

我认为如果您需要boolean indexing过滤列col，请使用loc：

dfCombined.loc[dfCombined[col].isnull(), 'col']

如果需要省略所有列loc：

dfCombined[dfCombined[col].isnull()]

样品：

dfCombined = pd.DataFrame({'col':[1,2,np.nan],
                   'col1':[4,5,6]})

print (dfCombined)
   col  col1
0  1.0     4
1  2.0     5
2  NaN     6

print (dfCombined.loc[dfCombined['col'].isnull(), 'col'])
2   NaN
Name: col, dtype: float64

#select second column (1)
print (dfCombined.ix[dfCombined['col'].isnull(), 1])
2    6
Name: col1, dtype: int64

print (dfCombined.iloc[dfCombined['col'].isnull(), 1])
NotImplementedError: iLocation based boolean indexing on an integer type is not available

print (dfCombined[dfCombined['col'].isnull()])
   col  col1
2  NaN     6

问题：

适用于两种方法，但更优先选择ix和loc来选择列 - 请参阅cookbook。

print (dfCombined['col'][dfCombined['col'].isnull()])
2   NaN
Name: col, dtype: float64

print (dfCombined['col'].loc[dfCombined['col'].isnull()])
2   NaN
Name: col, dtype: float64

Answer 2

在熊猫中，df.iloc仅适用于布尔值

示例：

df.iloc[df[‘col’]==False/True]

其中df.loc适用于非布尔值

示例：

df.loc[df[‘col’]==values]

Boolean选择loc和no loc

2 个答案: