Pandas의 Loc과 Iloc: 언제 각각을 슬라이싱에 사용해야 합니까?

Pandas의 Loc 및 Iloc 슬라이싱

Loc과 iloc는 Pandas에서 일반적으로 사용되는 두 가지 슬라이싱 방법으로, 행과 선택에 유연성을 제공합니다. DataFrame의 열입니다. 그러나 미묘한 차이점을 이해하는 것은 혼란스러울 수 있습니다.

주요 차이점: 라벨과 위치

loc와 iloc의 주요 차이점은 사용하는 색인 ​​유형에 있습니다. :

• 위치:에서 작동 레이블, 특히 인덱스 또는 열 레이블의 실제 값.
• Iloc: 행 또는 열의 위치를 ​​나타내는 정수 위치에서 작동합니다. 열 DataFrame.

예:

단조가 아닌 정수를 사용하는 DataFrame을 생각해 보세요. index:

df = pd.DataFrame({
    'a': [1, 2, 3],
    'b': [4, 5, 6],
    'c': [7, 8, 9]
}, index=[0, 2, 4])

Loc:

• df.loc[0]은 위치에 관계없이 인덱스 레이블이 0인 행에 액세스합니다.
• df.loc[0:1]은 인덱스 레이블이 0이고 1.

Iloc:

• df.iloc[0]은 인덱스 레이블에 관계없이 인덱스 위치 0에 있는 행을 검색합니다.
• df.iloc[0:1]은 인덱스 위치를 다음과 같이 지정하므로 첫 번째 행에만 액세스합니다.

사용상의 주요 차이점:

Feature	Loc	Iloc
Indexing	Labels	Integer locations
Slicing	Inclusive (by default)	Exclusive (by default)
Out-of-bounds behavior	KeyError	IndexError
Negative indexing	Supported	Supported for final row only
Boolean masking	NotImplementedError	Supports boolean mask
Callable indexing	Function applied to index	Function applied to row or column

Loc과 Iloc을 사용하는 경우:

• 다음을 기반으로 색인을 생성해야 하는 경우 loc을 사용하세요. 특정 이름이나 카테고리와 같은 레이블.
• 정수 기반 인덱싱의 경우 iloc을 선호하며, 특히 시작 및 끝 지점이 명확한 슬라이싱 작업의 경우
• 피하세요 iloc 부울 마스킹 작업 또는 논리적 조건에 따른 인덱싱을 위한 것입니다.

위 내용은 Pandas의 Loc과 Iloc: 언제 각각을 슬라이싱에 사용해야 합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!