出于某种原因,以下 2 次调用 iloc
/loc
会产生不同的行为:
>>> import pandas as pd
>>> df = pd.DataFrame(dict(A=range(3), B=range(3)))
>>> df.iloc[:1]
A B
0 0 0
>>> df.loc[:1]
A B
0 0 0
1 1 1
我知道 loc
考虑行标签,而 iloc
考虑行的基于整数的索引。但为什么 loc
调用的上限被认为是包容性的,而 iloc
的上限被认为是排他性的?
最佳答案
快速回答:
在使用标签时进行端包含切片通常更有意义,因为它需要较少的有关 DataFrame 中其他行的知识。
每当您关心标签而不是位置时,端排他标签切片会以一种可能不方便的方式引入位置依赖性。
更长的答案:
任何函数的行为都是一种权衡:您偏爱某些用例而不是其他用例。最终运行.iloc
是 Pandas 开发人员的主观设计决定(如@ALLollz 的评论所示,此行为 is intentional )。但要理解他们为什么会那样设计,请思考是什么让标签切片不同于位置切片。
假设我们有两个 DataFrame df1
和 df2
:
df1 = pd.DataFrame(dict(X=range(4)), index=['a','b','c','d'])
df2 = pd.DataFrame(dict(X=range(3)), index=['b','c','z'])
df1
包含:
X
a 0
b 1
c 2
d 3
df2
包含:
X
b 0
c 1
z 2
假设我们要执行一个基于标签的任务:我们想要获取 b
之间的行和 c
来自 df1
和 df2
,我们希望对两个 DataFrame 使用相同的代码。因为b
和 c
在两个 DataFrame 中没有相同的位置,简单的位置切片不会解决问题。所以我们转向基于标签的切片。
如果.loc
是最终独占的,以获取 b
之间的行和 c
我们不仅需要知道所需结束行的标签,还需要知道该行之后的下一行的标签。按照构造,下一个标签在每个 DataFrame 中都是不同的。
在这种情况下,我们有两个选择:
- 为每个 DataFrame 使用单独的代码:
df1.loc['b':'d']
和df2.loc['b':'z']
.这很不方便,因为这意味着我们需要了解我们想要的行之外的额外信息。 - 对于任一数据帧,先获取位置索引,加 1,然后使用位置切片:
df.iloc[df.index.get_loc('b'):df.index.get_loc('c')+1]
.这只是罗嗦。
但是自.loc
是 end-inclusive,我们可以说 .loc['b':'c']
.简单多了!
每当您关心标签而不是位置,并且您正在尝试编写与位置无关的代码时,包含端点的标签切片会以一种可能不方便的方式重新引入位置相关性。
也就是说,也许在某些用例中您确实需要最终独占的基于标签的切片。如果是这样,您可以使用 @Willz's answer in this question :
df.loc[start:end].iloc[:-1]
关于python - 为什么 .loc 对切片具有包容性行为?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49962417/