python - 与 Pandas 系列切片的混淆

Question

我有一个 Pandas DataFrame，其中一列是出租车所覆盖的行程距离。我正在使用value_counts()在此列上查看最常见的行程距离。b = df['trip_distance'].value_counts()对象 b 是一个 Pandas 系列对象。为了完成起见，本系列的前 5 行是

1.00     21815
0.90     18915
0.80     18449
1.10     18263
1.20     17823

这意味着最常见的行程距离是 1，它出现了 21815 次，其余的都一样。
但是，如果我输入 b[0:4]它没有打印此系列的前 4 个元素，而是查找对应于 0 的元素。行程距离，并开始打印所有行程距离，直到达到行程距离 4。当然，如果行程距离 4 在行程距离 0 之前，则返回一个空系列。
尽管如此，当我在自定义系列上尝试时 a = pd.Series([3, 1, 2, 3, 4, 4, 5]).value_counts()打印 a给

 4    2
 3    2
 5    1
 2    1
 1    1

当我尝试对这个系列进行切片时，即当我输入 a[0, 3] 时我得到了预期

4    2
3    2
5    1

有谁知道为什么会这样？
我知道这可以用 iloc/loc 来完成，我只是好奇为什么切片在一个列表中起作用，而在另一个列表中不起作用。
提前致谢。

Answer 1

当索引来自系列(或来自数据帧的行)的值时，我将始终建议您使用 .loc和 .iloc索引访问器。本质上，通过使用这些访问器，您明确地告诉 Pandas loc :“此切片将基于索引的顺序”或iloc :“此切片将基于值的排序”。当您不使用 loc/iloc(例如您的案例)并且有数字索引时，棘手的部分就出现了。当您不使用它们时，pandas 会尝试推断您指的是索引顺序还是值的顺序。本质上，如果您使用一系列数字进行切片，pandas 会假设您正在尝试使用值的位置 - 忽略索引。

import pandas as pd

data = pd.Series([5,6,7,8,9], index=range(10, 15))
print(data)

10    5
11    6
12    7
13    8
14    9
dtype: int64

使用 .loc从索引中获取对应于切片“a”到“c”的值:

# Slice based on the index values 11 to 13
data.loc[11:13]
11    6
12    7
13    8
dtype: int64

但是，如果我们想要基于它们在系列中的位置的值，我们使用 iloc .您还会注意到 iloc生成不包含最终值的切片(例如，我们只返回元素 1 和 2，并在下面的示例中省略 3)。而在上面使用 loc 的示例中，我们返回了对应于索引中 11、12 和 13 的元素。

data.iloc[1:3]
11    6
12    7
dtype: int64

既然已经说了，我希望你明白为什么这意味着什么非常不清楚:

data[11:13]

我们是否要求 Pandas 在索引中找到值 11 到 13 的位置并给我们那个切片？或者我们要求这个系列的第 12 和第 13 元素？在这种情况下，pandas 使用了后者(见下文)。但是，我鼓励您始终使用 loc 切片成系列或数据帧。或 .iloc为了避免这种歧义。

data[11:13]
Series([], dtype: int64)

这仅用于对基于整数的索引进行切片。您的问题来自 Pandas 如何实现 float 类型索引(这是真正的头脑 Storm ):

data.index = data.index.astype("float")
print(data)
10.0    5
11.0    6
12.0    7
13.0    8
14.0    9
dtype: int64

现在突然之间，您可以执行此操作并返回值，就像您使用 .loc 一样。 :

data[11:13]
11.0    6
12.0    7
13.0    8
dtype: int64

那么什么给呢？本质上，必须做出决定。需要有某种类型的默认行为来切片成系列，不幸的是它取决于索引，这使得它在索引数据类型之间变得不稳定。幸运的是，您可以使用 loc 避免所有这些混淆。和 iloc .