Pandas vs. loc: was ist der unterschied?

Wenn es darum geht, Zeilen und Spalten eines Pandas-DataFrames auszuwählen, sind .loc und .at zwei häufig verwendete Funktionen.

Hier ist der subtile Unterschied zwischen den beiden Funktionen:

• .loc kann mehrere Zeilen und Spalten als Eingabeargumente verwenden
• .at kann nur eine einzelne Zeile und Spalte als Eingabeargumente verwenden

Die folgenden Beispiele zeigen, wie jede Funktion in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

Beispiel 1: Verwendung von loc in Pandas

Der folgende Code zeigt, wie Sie mit .loc auf den Wert im DataFrame zugreifen, der sich an der Indexposition 0 der Punktspalte befindet:

 #select value located at index position 0 of the points column
df. loc [0, ' points ']

18

Dies gibt einen Wert von 18 zurück.

Und der folgende Code zeigt, wie man mit .loc auf Zeilen zwischen den Indexwerten 0 und 4 sowie auf Points- und Assists-Spalten zugreift:

 #select rows between index values 0 and 4 and columns 'points' and 'assists'
df. loc [0:4, [' points ', ' assists ']]

        assist points
0 18 5
1 22 7
2 19 7
3 14 9
4 14 12

Unabhängig davon, ob wir auf einen einzelnen Wert oder auf eine Gruppe von Zeilen und Spalten zugreifen möchten, kann die Funktion .loc beides tun.

Beispiel 2: Verwendung von at in Pandas

Der folgende Code zeigt, wie man mit .at auf den Wert im DataFrame zugreift, der sich an Indexposition 0 der Punktspalte befindet:

 #select value located at index position 0 of the points column
df. at [0, ' points ']

18

Dies gibt einen Wert von 18 zurück.

Nehmen wir jedoch an, wir versuchen, at zu verwenden, um auf die Zeilen zwischen den Indexwerten 0 und 4 sowie auf die Punkte- und Assists-Spalten zuzugreifen:

 #try to select rows between index values 0 and 4 and columns 'points' and 'assists'
df. at [0:4, [' points ', ' assists ']]

TypeError : unhashable type: 'list'

Wir erhalten eine Fehlermeldung, weil die at- Funktion nicht in der Lage ist, mehrere Zeilen oder Spalten als Eingabeargumente zu verwenden.

Abschluss

Wenn Sie auf einen einzelnen Wert in einem Pandas-DataFrame zugreifen möchten, funktionieren die Funktionen „loc “ und „ at“ einwandfrei.

Wenn Sie jedoch auf eine Gruppe von Zeilen und Spalten zugreifen möchten, ist dies nur mit der Loc- Funktion möglich.

Verwandte Themen: Pandas loc vs. iloc: Was ist der Unterschied?

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

So wählen Sie mit Pandas Loc Zeilen basierend auf mehreren Bedingungen aus
So wählen Sie Zeilen basierend auf Spaltenwerten in Pandas aus
So wählen Sie Zeilen nach Index in Pandas aus