パンダ vs ロック: 違いは何ですか?
pandas DataFrame の行と列を選択する場合、 .locと.atの 2 つの関数がよく使用されます。
2 つの関数の微妙な違いは次のとおりです。
- .loc は入力引数として複数の行と列を取ることができます
- .at は入力引数として単一の行と列のみを取ることができます
次の例は、次の pandas DataFrame で各関数を実際に使用する方法を示しています。
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
例 1: Pandas で loc を使用する方法
次のコードは、 .loc を使用して、ポイント列のインデックス位置 0 にある DataFrame 内の値にアクセスする方法を示しています。
#select value located at index position 0 of the points column
df. loc [0, ' points ']
18
これにより、値18が返されます。
次のコードは、 .locを使用してインデックス値 0 から 4 までの行、およびポイントとアシスト列にアクセスする方法を示しています。
#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
単一の値にアクセスする場合でも、行と列のグループにアクセスする場合でも、 .loc関数は両方を実行できます。
例 2: Pandas での at の使用方法
次のコードは、 .atを使用して、ポイント列のインデックス位置 0 にある DataFrame 内の値にアクセスする方法を示しています。
#select value located at index position 0 of the points column
df. at [0, ' points ']
18
これにより、値18が返されます。
ただし、 atを使用してインデックス値 0 から 4 までの行、およびポイント列とアシスト列にアクセスしようとするとします。
#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'
at関数は入力引数として複数の行または複数の列を受け取ることができないため、エラーが発生します。
結論
pandas DataFrame 内の単一の値にアクセスする場合、 loc関数とat関数は正常に機能します。
ただし、行と列のグループにアクセスする場合は、 loc関数のみがアクセスできます。
関連: Pandas loc と iloc: 違いは何ですか?
追加リソース
次のチュートリアルでは、パンダで他の一般的な操作を実行する方法を説明します。
Pandas Loc を使用して複数の条件に基づいて行を選択する方法
Pandasで列の値に基づいて行を選択する方法
Pandas でインデックスによって行を選択する方法