Question

我所做的所有研究都指向使用loc作为通过col（s）值筛选数据框的方式，今天我正在阅读this，并从我的例子中发现了经过测试，按其值过滤cols时，实际上并不需要loc：

EX：

df = pd.DataFrame(np.arange(0, 20, 0.5).reshape(8, 5), columns=['a', 'b', 'c', 'd', 'e'])    

df.loc[df['a'] >= 15]

      a     b     c     d     e
6  15.0  15.5  16.0  16.5  17.0
7  17.5  18.0  18.5  19.0  19.5

df[df['a'] >= 15]

      a     b     c     d     e
6  15.0  15.5  16.0  16.5  17.0
7  17.5  18.0  18.5  19.0  19.5

注意：我确实知道执行loc或iloc会通过索引和位置返回行。我不是基于此功能进行比较。

但是在过滤时，执行“ where”子句与不使用loc有什么区别？如果有的话。为什么我遇到的有关该主题的所有示例都使用loc？

Answer 1

根据文档，loc接受用于选择行的布尔数组，并且在您的情况下

>>> df['a'] >= 15
>>> 
0    False
1    False
2    False
3    False
4    False
5    False
6     True
7     True
Name: a, dtype: bool

被视为布尔数组。

loc的作者韦斯·麦金尼（Wes McKinney）认为，您可以在此处省略df[df['a'] >= 15]并签发pandas的事实是一种特殊情况的方便。

直接引自他的书Python for Data Analysis，第p。 144，df[val]用于...

从DataFrame中选择单列或列序列； 特殊情况便利：布尔数组（过滤器行），切片（切片行）或布尔DataFrame （根据某些条件设置值）

布尔索引的Pandas，loc和non loc

1 个答案: