matlab中ix是什么意思,详解pandas中iloc, loc和ix的区别和联系
Pandas庫十分強大，但是對于切片操作iloc, loc和ix，很多人對此十分迷惑，因此本篇博客利用例子來說明這3者之一的區別和聯系，尤其是iloc和loc。
對于ix，由于其操作有些復雜，我在另外一篇博客專門詳細介紹ix。
首先，介紹這三種方法的概述：
loc?gets rows (or columns) with particular?labels?from the index. loc從索引中獲取具有特定標簽的行(或列)。這里的關鍵是：標簽。標簽的理解就是name名字。
iloc?gets rows (or columns) at particular?positions?in the index (so it only takes integers).?iloc在索引中的特定位置獲取行(或列)(因此它只接受整數)。這里的關鍵是：位置。位置的理解就是排第幾個。
ix?usually tries to behave like?loc?but falls back to behaving like?iloc?if a label is not present in the index.?ix通常會嘗試像loc一樣行為，但如果索引中不存在標簽，則會退回到像iloc一樣的行為。(這句話有些繞口，沒關系，不明白可以看這里)
接下來，舉幾個例子說明：
1 loc
其實，對于loc始終堅持一個原則：loc是基于label進行索引的！
import pandas as pd
df1 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=[0, 1, 2], columns=['a','b','c'])
df2 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=['e', 'f', 'g'], columns=['a','b','c'])
print(df1)
print(df2)
'''
df1:
a b c
0 1 2 3
1 4 5 6
2 7 8 9
df2:
a b c
e 1 2 3
f 4 5 6
g 7 8 9
'''
# loc索引行，label是整型數字
print(df1.loc[0])
'''
a 1
b 2
c 3
Name: 0, dtype: int64
'''
# loc索引行，label是字符型
print(df2.loc['e'])
'''
a 1
b 2
c 3
Name: 0, dtype: int64
'''
# 如果對df2這么寫：df2.loc[0]會報錯，因為loc索引的是label，顯然在df2的行的名字中沒有叫0的。
print(df2.loc[0])
'''
TypeError: cannot do slice indexing on with these indexers [0] of
'''
# loc索引多行數據
print(df1.loc[1:])
'''
a b c
1 4 5 6
2 7 8 9
'''
# loc索引多列數據
print(df1.loc[:,['a', 'b']])
'''
a b
0 1 2
1 4 5
2 7 8
'''
# df1.loc[:,0:2]這么寫報錯, 因為loc索引的是label，顯然在df1的列的名字中沒有叫0，1和2的。
print(df1.loc[:,0:2])
'''
TypeError: cannot do slice indexing on with these indexers [0] of
'''
# locs索引某些行某些列
print(df1.loc[0:2, ['a', 'b']])
'''
a b
0 1 2
1 4 5
2 7 8
'''
2 iloc
其實，對于iloc始終堅持一個原則：iloc是基于position進行索引的！
import pandas as pd
df1 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=[0, 1, 2], columns=['a','b','c'])
df2 = pd.DataFrame(data= [[1, 2, 3],[4, 5, 6], [7, 8, 9]], index=['e', 'f', 'g'], columns=['a','b','c'])
print(df1)
print(df2)
'''
df1:
a b c
0 1 2 3
1 4 5 6
2 7 8 9
df2:
a b c
e 1 2 3
f 4 5 6
g 7 8 9
'''
# iloc索引行，label是整型數字
print(df1.iloc[0])
'''
a 1
b 2
c 3
Name: 0, dtype: int64
'''
# iloc索引行，label是字符型。如果按照loc的寫法來寫應該是：df2.iloc['e']，顯然這樣報錯，因為iloc不認識label,它是基于位置的。
print(df2.iloc['e'])
'''
TypeError: cannot do positional indexing on with these indexers [e] of
'''
# iloc索引行，label是字符型。正確的寫法應該如下:
# 也就說，不論index是什么類型的，iloc只能寫位置，也就是整型數字。
print(df2.iloc[0])
'''
a 1
b 2
c 3
Name: e, dtype: int64
'''
# iloc索引多行數據
print(df1.iloc[1:])
'''
a b c
1 4 5 6
2 7 8 9
'''
# iloc索引多列數據
# 如果如下寫法，報錯。
print(df1.iloc[:,['a', 'b']])
'''
TypeError: cannot perform reduce with flexible type
'''
# iloc索引多列數據, 正確寫法如下：
print(df1.iloc[:,0:2])
'''
a b
0 1 2
1 4 5
2 7 8
'''
# iloc索引某些行某些列
print(df1.iloc[0:2, 0:1])
'''
a
0 1
1 4
'''
3 ix
ix的操作比較復雜，在pandas版本0.20.0及其以后版本中，ix已經不被推薦使用，建議采用iloc和loc實現ix。
如有對ix的使用比較感興趣的朋友可以參考這篇博客。
到此這篇關于詳解pandas中iloc, loc和ix的區別和聯系的文章就介紹到這了,更多相關pandas iloc loc ix內容請搜索我們以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持我們！
時間： 2020-03-06
總結
以上是生活随笔為你收集整理的matlab中ix是什么意思,详解pandas中iloc, loc和ix的区别和联系的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 反向跟单——羊群效应
- 下一篇： JQuery插件二--colorbox