Question

如果我用pandas dataframe对dataset.iloc[:, 1:2].values进行切片，则会给我一个2 dimensional(matrix)结构化的数据，其中dataset.iloc[:, 1].values正在给我1 dimensional数据。因此，我怀疑iloc[:,1:2]和iloc[:,1]不会做同样的事情吗？

这是示例代码：

    >>> df1 = df.iloc[:, 1:2].values
    >>> print(df1.shape,df1.ndim)
    (9578, 1) 2
    >>> df2 = df.iloc[:, 1].values
    >>> print(df2.shape,df2.ndim)
    (9578,) 1
    >>>

Answer 1

df.iloc[:, 1:2]返回一个数据帧（矩阵），而df.iloc[:, 1]返回一个序列（矢量）。向量没有列大小。如果要保留数据框结构，请尝试此操作

df.iloc[:,[1]]

Answer 2

从技术上讲，您使用的切片方法称为'Selection by Position'。 iloc被称为基于整数的位置。

当您使用df.iloc[:, 1:2]时，结果输出将是pandas DataFrame对象：

>>> type(df.iloc[:, 1:2])
pandas.core.frame.DataFrame

当您使用df.iloc[:, 1]时，结果输出将是pandas Series对象：

>>> type(df.iloc[:, 1])
pandas.core.series.Series

了解差异至关重要，因为每个对象都有不同的方法，这些方法可能不适用于其他对象。

Answer 3

是的， iloc [：，1：2]和iloc [：，1] 不一样，一个是给Dataframe的，另一个是给严重的。

使用df.iloc [：，1：2]给出数据框，并且由于数据框是2维数据结构，因此它以2维给出

type(df.iloc[:, 1:2])
pandas.core.frame.DataFrame

使用df.iloc [：，1]可以得到Series，并且Series是一维标记的数组

type(df.iloc[:, 1])
pandas.core.series.Series

Answer 4

Pandas iloc()实际上正在执行Python上下文中应有的功能。比较以下内容。

>>> numbers = [0, 1, 2]
>>> numbers[1]
1
>>> numbers[1:2]
[1]

前者提供0维数据，而后者提供1维数据，类似于您的示例。

是否iloc [：，1：2]。值和.iloc [：，1] .values的工作方式不同吗？

4 个答案: