df ['colimn_name']与df.loc [:,'colimn_name']

Question

我想要更多信息。关于以下问题的答案：

1. df ['Name']和2。df.loc [:,'Name']，其中：

df = pd.DataFrame（['aa'，'bb'，'xx'，'uu']，[21，16，50，33]，列= ['Name'，'Age']）< / p>

选择正确的选项：

1. 1是原始数据框的视图，2是原始数据的副本
   数据框
2. 2是原始数据框的视图，而1是 原始数据框
3. 两者都是原始数据框的副本
4. 两者都是原始数据框的视图

我在网上找到了多个答案，但不确定。我认为答案是2，但是当我尝试x = df ['name']然后x [0] ='cc'然后print（df）时，我看到更改出现在原始数据帧中。因此，尽管我也得到了警告，但更改是如何在原始数据框中出现的： 试图在DataFrame的切片副本上设置一个值

我只想了解有关两者之间的区别的更多信息，而天气实际上是否是原始数据帧的副本。谢谢。

Answer 1

这两个都是socket.on，如果您需要我们的副本

VIEW

df['Name'].copy(). df.loc[:, 'Name'].copy() 可以让您同时访问loc和index，还可以避免链条切割

column

df.loc[cond1, cond2] 上方的通知也可以传递条件，而不仅仅是列名

loc

Div的示例

df.loc[:, df.columns=='Name']
#df[df.columns=='Name'] this will return error 

df=pd.DataFrame([[1,2,3],[2,3,4]])
df
   0  1  2
0  1  2  3
1  2  3  4
df[df.columns==0]

Answer 2

两个都是原始数据框的视图 一个可以用来在数据框中添加更多的列，另一个可以用于专门获取数据框中的单元格，行或列的视图。