Python Pandas - 'loc' 和 'where' 之间的区别？

Question

只是对“where”的行为以及为什么要在“loc”上使用它感到好奇。

如果我创建一个数据框:

df = pd.DataFrame({'ID':[1,2,3,4,5,6,7,8,9,10], 
                   'Run Distance':[234,35,77,787,243,5435,775,123,355,123],
                   'Goals':[12,23,56,7,8,0,4,2,1,34],
                   'Gender':['m','m','m','f','f','m','f','m','f','m']})

然后应用'where'函数:

df2 = df.where(df['Goals']>10)

我得到以下过滤掉目标 > 10 的结果，但将其他所有内容保留为 NaN:

  Gender  Goals    ID  Run Distance                                                                                                                                                  
0      m   12.0   1.0         234.0                                                                                                                                                  
1      m   23.0   2.0          35.0                                                                                                                                                  
2      m   56.0   3.0          77.0                                                                                                                                                  
3    NaN    NaN   NaN           NaN                                                                                                                                                  
4    NaN    NaN   NaN           NaN                                                                                                                                                  
5    NaN    NaN   NaN           NaN                                                                                                                                                  
6    NaN    NaN   NaN           NaN                                                                                                                                                  
7    NaN    NaN   NaN           NaN                                                                                                                                                  
8    NaN    NaN   NaN           NaN                                                                                                                                                  
9      m   34.0  10.0         123.0  

如果我使用“loc”函数:

df2 = df.loc[df['Goals']>10]

它返回没有 NaN 值的子集数据帧:

  Gender  Goals  ID  Run Distance                                                                                                                                                    
0      m     12   1           234                                                                                                                                                    
1      m     23   2            35                                                                                                                                                    
2      m     56   3            77                                                                                                                                                    
9      m     34  10           123 

所以基本上我很好奇为什么您会在“loc/iloc”上使用“where”以及为什么它返回 NaN 值？

Answer 1

将 loc 视为过滤器 - 只给我符合条件的 df 部分。

where 最初来自 numpy。它遍历一个数组并检查每个元素是否符合条件。因此它返回整个数组，结果为 NaN。 where 的一个很好的特性是你还可以返回一些不同的东西，例如df2 = df.where(df['Goals']>10, other='0')，将不满足条件的值替换为0。

ID  Run Distance Goals Gender
0   1   234      12     m
1   2   35       23     m
2   3   77       56     m
3   0   0        0      0
4   0   0        0      0
5   0   0        0      0
6   0   0        0      0
7   0   0        0      0
8   0   0        0      0
9   10  123      34     m

此外，where 仅用于条件过滤，loc 是 Pandas 中的标准选择方式，还有 iloc。 loc 使用行名和列名，而 iloc 使用它们的索引号。因此，对于 loc，您可以选择返回，例如，df.loc[0:1, ['Gender', 'Goals']]:

    Gender  Goals
0   m   12
1   m   23