Panda vs loc: qual è la differenza?

Quando si tratta di selezionare righe e colonne di un DataFrame Panda, .loc e .at sono due funzioni comunemente utilizzate.

Ecco la sottile differenza tra le due funzioni:

• .loc può accettare più righe e colonne come argomenti di input
• .at può accettare solo una singola riga e colonna come argomenti di input

I seguenti esempi mostrano come utilizzare in pratica ciascuna funzione con i seguenti DataFrame panda:

 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

Esempio 1: come utilizzare loc in Pandas

Il codice seguente mostra come utilizzare .loc per accedere al valore nel DataFrame situato nella posizione dell’indice 0 della colonna del punto:

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

18

Ciò restituisce un valore di 18 .

E il codice seguente mostra come utilizzare .loc per accedere alle righe tra i valori di indice 0 e 4, nonché alle colonne punti e assist:

 #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

Sia che vogliamo accedere a un singolo valore o a un gruppo di righe e colonne, la funzione .loc può fare entrambe le cose.

Esempio 2: come utilizzare at in Pandas

Il codice seguente mostra come utilizzare .at per accedere al valore nel DataFrame situato nella posizione dell’indice 0 della colonna del punto:

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

18

Ciò restituisce un valore di 18 .

Supponiamo tuttavia di provare a utilizzare at per accedere alle righe comprese tra i valori di indice 0 e 4 nonché alle colonne punti e assist:

 #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'

Riceviamo un errore perché la funzione at non è in grado di accettare più righe o più colonne come argomenti di input.

Conclusione

Quando desideri accedere a un singolo valore in un DataFrame panda, le funzioni loc e at funzioneranno correttamente.

Tuttavia, quando desideri accedere a un gruppo di righe e colonne, solo la funzione loc è in grado di farlo.

Correlati: Pandas loc vs iloc: qual è la differenza?

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:

Come selezionare le righe in base a più condizioni utilizzando Pandas Loc
Come selezionare le righe in base ai valori delle colonne in Pandas
Come selezionare le righe per indice in Pandas