Панды vs лок: в чем разница?

Когда дело доходит до выбора строк и столбцов в DataFrame pandas, .loc и .at — две часто используемые функции.

Вот тонкая разница между этими двумя функциями:

• .loc может принимать несколько строк и столбцов в качестве входных аргументов.
• .at может принимать только одну строку и столбец в качестве входных аргументов.

В следующих примерах показано, как использовать каждую функцию на практике со следующим DataFrame pandas:

 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

Пример 1: Как использовать loc в Pandas

Следующий код показывает, как использовать .loc для доступа к значению в DataFrame, расположенном в позиции индекса 0 столбца точки:

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

18

Это возвращает значение 18 .

А следующий код показывает, как использовать .loc для доступа к строкам между значениями индекса от 0 до 4, а также к столбцам точек и вспомогательных элементов:

 #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

Хотим ли мы получить доступ к одному значению или группе строк и столбцов, функция .loc может сделать и то, и другое.

Пример 2. Как использовать at в Pandas

Следующий код показывает, как использовать .at для доступа к значению в DataFrame, расположенному в позиции индекса 0 столбца точки:

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

18

Это возвращает значение 18 .

Однако предположим, что мы пытаемся использовать at для доступа к строкам между значениями индекса 0 и 4, а также к столбцам точек и передач:

 #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'

Мы получаем сообщение об ошибке, поскольку функция at не может принимать несколько строк или несколько столбцов в качестве входных аргументов.

Заключение

Если вы хотите получить доступ к одному значению в DataFrame pandas, функции loc и at будут работать нормально.

Однако если вы хотите получить доступ к группе строк и столбцов, это может сделать только функция loc .

Связанный: Pandas loc против iloc: в чем разница?

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Как выбрать строки на основе нескольких условий с помощью Pandas Loc
Как выбрать строки на основе значений столбца в Pandas
Как выбрать строки по индексу в Pandas