pandas .loc.iloc及.at.iat差别 pandas中.loc和.iloc以及.at和.iat的区别说明
Yale曼陀罗 人气:0想了解pandas中.loc和.iloc以及.at和.iat的区别说明的相关内容吗,Yale曼陀罗在本文为您仔细讲解pandas .loc.iloc及.at.iat差别的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:pandas,.loc,.iloc,.at,.iat,下面大家一起来学习吧。
显示索引和隐式索引
import pandas as pd df = pd.DataFrame({'姓名':['张三','李四','王五'],'成绩':[85,59,76]})
传入冒号‘:',表示所有行或者列
显示索引:.loc,第一个参数为 index切片,第二个为 columns列名
df.loc[2] #index为2的记录,这里是王五的成绩。 df.loc[:,'姓名'] #第一个参数为冒号,表示所有行,这里是筛选姓名这列记录。
隐式索引:.iloc(integer_location), 只能传入整数。
df.iloc[:2,:] #张三和李四的成绩,跟列表切片一样,冒号左闭右开。 df.iloc[:,'成绩'] #输入中文,这里就报错了,只能使用整数。
也可以使用at定位到某个元素
语法规则:df.at[index,columns]
df.at[1,'成绩'] #使用索引标签,李四的成绩 df.iat[1,1] #类似于iloc使用隐式索引访问某个元素
补充:pandas快速定位某一列中存在某值的所有行,loc, at, ==对比
如下所示:
goodDiskName2016
from datetime import datetime from time import time
直接方括号定位相等的列
start = time() for disk in goodDiskName2016[:100]: ____ST4000DM000_2016_good_feature27[ST4000DM000_2016_good_feature27.serial_number==disk][features27[0]] time()-start
消耗时间
82.93997383117676
直接loc定位相等的
start = time() for disk in goodDiskName2016[:100]: ____ST4000DM000_2016_good_feature27.loc[ST4000DM000_2016_good_feature27.serial_number==disk][features27[0]] time()-start
消耗时间:
82.4887466430664
先将这一列设置为index,然后通过loc查找
b = ST4000DM000_2016_good_feature27.set_index('serial_number')
start = time() for disk in goodDiskName2016[:100]: b.loc[disk][features27[0]] time()-start
消耗时间:
25.706212759017944
设置为index后用at定位
start = time() for disk in goodDiskName2016[:100]: b.at[disk,features27[0]] time()-start
消耗时间:
25.67607021331787
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。
加载全部内容