python - Pandas LOC 选择值背后的逻辑

Question

我正在尝试学习和理解 pandas LOC 背后的逻辑，但我无法对以下问题做出解释。如果我想用 LOC 对数据帧进行切片，我可以按以下方式进行

dates=pd.date_range('20130101',periods=6)
df=pd.DataFrame(np.random.rand(6,4),index=dates,columns=list('ABCD'))

print(df.loc['20130102':'20130104',['A','B']])  (*)

一切顺利。我不明白的是，如果在 LOC 的第二部分我可以输入列标题列表 ['A','B'] 为什么我不能对行做同样的事情？即以下内容不起作用

print(df.loc[['20130102','20130104'],['A','B']])

背后的逻辑是什么？我给 LOC 两个行索引和两个列标题，但它不起作用。对于列部分，列表很好，对于行部分，它不是。而且，在 LOC 的第一部分(见 *)，可以使用“:”访问行的索引，即从 index1 到 index2 = 'index1':'index2' 但我不能在 LOC 函数的第 2 部分中做同样的事情:这是行不通的:

print(df.loc['20130102':'20130104',['A':'C']])

我很乐意理解为什么显示的这两行代码不起作用。

谢谢。

Answer 1

您需要将列表的值转换为datetime，因为DatetimeIndex，这意味着需要相同类型的列表值和DataFrame的索引/列的值，否则KeyError:

print(df.loc[pd.to_datetime(['20130102','20130104']),['A','B']])
                   A         B
2013-01-02  0.719469  0.423106
2013-01-04  0.438572  0.059678

按索引/列的第一个和最后一个值选择

转换为 datetimes 不是必需的，因为 partial string indexing .

对于按范围选择，仅删除用于选择列的列表 []:

print(df.loc['20130102':'20130104','A':'C'])
                   A         B         C
2013-01-02  0.719469  0.423106  0.980764
2013-01-03  0.480932  0.392118  0.343178
2013-01-04  0.438572  0.059678  0.398044

选择日期时间的类似解决方案:

print(df.loc['2013-01-02':'2013-01-04','A':'C'])
                   A         B         C
2013-01-02  0.719469  0.423106  0.980764
2013-01-03  0.480932  0.392118  0.343178
2013-01-04  0.438572  0.059678  0.398044

组合:

#select betwen start/end datetime and only columns A,C
print(df.loc['20130102':'20130104',['A','C']])
                   A         C
2013-01-02  0.719469  0.980764
2013-01-03  0.480932  0.343178
2013-01-04  0.438572  0.398044

#select only 20130102, 20130104 index and columns between A and C
print(df.loc[pd.to_datetime(['20130102','20130104']),'A':'C'])
                   A         B         C
2013-01-02  0.719469  0.423106  0.980764
2013-01-04  0.438572  0.059678  0.398044