python - 为什么 Pandas DataFrame 的 [] (__getitem__) 有时选择列，有时选择行？

Question

鉴于此数据框:

In [40]: df = pd.DataFrame({'A': [1, 1], 'B': [2, 2], 'C': [3, 3]})

In [41]: df
Out[41]:
   A  B  C
0  1  2  3
1  1  2  3

如果我将字符串列表传递给 [] ，它将过滤列:

In [42]: df[['A', 'C']]
Out[42]:
   A  C
0  1  3
1  1  3

但是如果我将 bool 值列表传递给 [] ，它将过滤行:

In [45]: df[[True, False]]
Out[45]:
   A  B  C
0  1  2  3

有没有办法考虑这种差异，而不是“它就是这样”？

Answer 1

我的理解是，这复制了 R 的行为以使迁移 R 脚本更容易，它也是从 ix 开始的。已弃用。有很多方法可以进行切片，但我们现在的方法较少:

单个项目，得到一列。

列列表，获取“子帧”

bool 索引

我个人喜欢用 __getitem__对于所有这些:

In [11]: df[['A', 'C']]
Out[11]:
   A  C
0  1  3
1  1  3

In [12]: df['A']
Out[12]:
0    1
1    1
Name: A, dtype: int64

另一种选择，虽然它的歧义性较小( loc (或 iloc )太冗长了:

In [13]: df.loc[:, ['A', 'B']]
Out[13]:
   A  B
0  1  2
1  1  2

In [14]: df.loc[:, 'A']
Out[14]:
0    1
1    1
Name: A, dtype: int64

值得注意的是， bool 掩码并不含糊，除非您有一个深奥的示例，其中 bool 列和输入长度与 DataFrame 的匹配:

In [21]: df1 = pd.DataFrame({True: [1, 2], False: [3, 4]})

In [22]: df1
Out[22]:
   False  True
0      3      1
1      4      2

In [23]: df1[[True, False]]  # boolean slicing (not as column names)
Out[23]:
   False  True
0      3      1

从历史上看， ix 中存在潜在的歧义。 (以及性能问题 - 有很多可能的路径)。因此，除了消除歧义，移至 loc和 iloc也导致了更快的代码(通常使用 iloc 如果可以的话，它是最快的)。