python - 为什么 loc 和 iloc 在对 pandas DataFrame 的行进行切片时工作方式不同？

Question

我想要一个 DataFrame，其中一列(称为“cat”)的顶行的值为“LOW”，框架的中部和底部的值为“MID”和“HI”。因此，对于 1,200 行的帧，cat 列的值计数应导致:

LOW    400
MID    400
HI     400

这应该很容易。但是，显然事实并非如此。无济于事，我尝试使用 df.loc[-400:,["cat"]] = "HI"

选择和更改底行

但是，这种方法确实适用于顶行:df.loc[:399,["cat"]] = "LOW"

下面的示例显示了一个工作示例，请注意它需要 loc 和 iloc。这是 pandas 可以改进的地方吗？

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.random([1200, 4]), columns=['A', 'B', 'C', 'D'])
df["cat"] = "MID"
df.loc[:399,["cat"]] = "LOW"
df.iloc[-400:,-1] = "HI"  # The -1 selects the last column ('cat') - not ideal.
df.cat.value_counts()

Answer 1

使用get_loc对于 cat 列的位置如果想通过 iloc 按位置选择 - 需要索引和列的位置:

df = pd.DataFrame(np.random.random([1200, 4]), columns=['A', 'B', 'C', 'D'])
df["cat"] = "MID"

df.iloc[:400,df.columns.get_loc('cat')] = "LOW"
df.iloc[-400:,df.columns.get_loc('cat')] = "HI"

详细信息:

print (df.columns.get_loc('cat'))
4

替代方法是使用 loc 按标签选择 - 然后需要通过索引选择索引的 400 值:

df.loc[df.index[:400],"cat"] = "LOW"
df.loc[df.index[-400:],"cat"] = "HI"

a = df.cat.value_counts()
print (a)
MID    400
HI     400
LOW    400
Name: cat, dtype: int64

设置 400 个值的另一种方法是使用 numpy.repeat或通过重复列表来设置值:

df["cat"] =  np.array(["LOW", "MID", "HI"]).repeat(400)

df["cat"] =  ["LOW"] * 400 + ["MID"] * 400 +  ["HI"] * 400
#thanks  @Quickbeam2k1
df = df.assign(cat = ['LOW']*400 + ['MID']*400 + ['HIGH']*400 )