个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
27
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章pandas ix loc的区别由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
一开始自学Python的numpy、pandas时候，索引和切片把我都给弄晕了，特别是numpy的切片索引、布尔索引和花式索引，简直就是大乱斗。但是最近由于版本的问题，从之前的Python2.7改用Python3.6 了，在3.6中提供了loc和iloc两种索引方法，把ix这个方法给划分开来了，所以很有必要做个总结和对比.
同理，索引列数据也是如此！ 。
举例说明:
1、分别使用loc、iloc、ix 索引第一行的数据
（1）loc 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import
pandas as pd
data
=
[[
1
,
2
,
3
],[
4
,
5
,
6
]]
index
=
[
'a'
,
'b'
]
#行号
columns
=
[
'c'
,
'd'
,
'e'
]
#列号
df
=
pd.DataFrame(data,index
=
index,columns
=
columns)
#生成一个数据框
#print df.loc['a']
'''
c 1
d 2
e 3
'''
print
df.loc[
0
]
#这个就会出现错误
'''
TypeError: cannot do label indexing on <class 'pandas.indexes.base.Index'>
with these indexers [1] of <type 'int'>
'''
|
(2)iloc 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import
pandas as pd
data
=
[[
1
,
2
,
3
],[
4
,
5
,
6
]]
index
=
[
'a'
,
'b'
]
#行号
columns
=
[
'c'
,
'd'
,
'e'
]
#列号
df
=
pd.DataFrame(data,index
=
index,columns
=
columns)
#生成一个数据框
print
df.iloc[
0
]
'''
c 1
d 2
e 3
'''
print
df.iloc[
'a'
]
'''
TypeError: cannot do positional indexing on <class 'pandas.indexes.base.Index'>
with these indexers [a] of <type 'str'>
'''
|
(3)ix 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import
pandas as pd
data
=
[[
1
,
2
,
3
],[
4
,
5
,
6
]]
index
=
[
'a'
,
'b'
]
#行号
columns
=
[
'c'
,
'd'
,
'e'
]
#列号
df
=
pd.DataFrame(data,index
=
index,columns
=
columns)
#生成一个数据框
print
df.ix[
0
]
'''
c 1
d 2
e 3
'''
print
df.ix[
'a'
]
'''
c 1
d 2
e 3
'''
|
2、分别使用loc、iloc、ix 索引第一列的数据
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import
pandas as pd
data
=
[[
1
,
2
,
3
],[
4
,
5
,
6
]]
index
=
[
'a'
,
'b'
]
#行号
columns
=
[
'c'
,
'd'
,
'e'
]
#列号
df
=
pd.DataFrame(data,index
=
index,columns
=
columns)
#生成一个数据框
print
df.loc[:,[
'c'
]]
print
df.iloc[:,[
0
]]
print
df.ix[:,[
'c'
]]
print
df.ix[:,[
0
]]
#结果都为
'''
c
a 1
b 4
'''
|
3、分别使用loc、iloc、ix 索引多行的数据
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import
pandas as pd
data
=
[[
1
,
2
,
3
],[
4
,
5
,
6
]]
index
=
[
'a'
,
'b'
]
#行号
columns
=
[
'c'
,
'd'
,
'e'
]
#列号
df
=
pd.DataFrame(data,index
=
index,columns
=
columns)
#生成一个数据框
print
df.loc[
'a'
:
'b'
]
print
df.iloc[
0
:
1
]
print
df.ix[
'a'
:
'b'
]
print
df.ix[
0
:
1
]
#结果都为
'''
c d e
a 1 2 3
b 4 5 6
'''
|
4、分别使用loc、iloc、ix 索引多列的数据
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
import
pandas as pd
data
=
[[
1
,
2
,
3
],[
4
,
5
,
6
]]
index
=
[
'a'
,
'b'
]
#行号
columns
=
[
'c'
,
'd'
,
'e'
]
#列号
df
=
pd.DataFrame(data,index
=
index,columns
=
columns)
#生成一个数据框
print
df.loc[:,
'c'
:
'd'
]
print
df.iloc[:,
0
:
2
]
print
df.ix[:,
'c'
:
'd'
]
print
df.ix[:,
0
:
2
]
#结果都为
'''
c d
a 1 2
b 4 5
'''
|
5、loc、iloc、ix使用切片的区别 。
loc、iloc、ix对于切片的索引数据就两种情况，按照标签切片索引和按照位置编号切片索引 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
In [
20
]: df.loc[
'ind0'
:
'ind3'
]
Out[
20
]:
col0 col1 col2 col3 col4
ind0
0
1
2
3
4
ind1
5
6
7
8
9
ind2
10
11
12
13
14
ind3
15
16
17
18
19
In [
21
]: df.iloc[
0
:
3
]
Out[
21
]:
col0 col1 col2 col3 col4
ind0
0
1
2
3
4
ind1
5
6
7
8
9
ind2
10
11
12
13
14
|
区别不在于用哪种方法，而是通过标签索引将会将切片末端包含进去，通过位置编号索引不会讲切片末端包含进去。同样的都是第一行到第四行，通过loc就会把1,2,3,4行都提取出来，通过iloc就只能把1,2,3行提取出来。ix方法也是一样，知识方法不同而已.
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
In [
23
]: df.ix[
'ind0'
:
'ind3'
]
Out[
23
]:
col0 col1 col2 col3 col4
ind0
0
1
2
3
4
ind1
5
6
7
8
9
ind2
10
11
12
13
14
ind3
15
16
17
18
19
In [
24
]: df.ix[
0
:
3
]
Out[
24
]:
col0 col1 col2 col3 col4
ind0
0
1
2
3
4
ind1
5
6
7
8
9
ind2
10
11
12
13
14
|
对于列的切片跟行的一样.
这里讨论了基本的索引和切片，如果有用词不当的地方请提出来，我将积极改正，或者有其他有关花式索引、布尔索引的问题也可以大家一起讨论讨论！ 。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.
原文链接：https://blog.csdn.net/sinat_25873421/article/details/80634846 。
最后此篇关于pandas ix loc的区别的文章就讲到这里了,如果你想了解更多关于pandas ix loc的区别的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
27
4
0
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗？ 最佳答案 pivot_table没有 normalize争论，不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框，我想得到一个新的数据框，它由两个数据框的行的克罗内克积组成。正确的做法是什么？ 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中，如何绘制条形图以使其 x 轴刻度标签看起来像折线图？ 我制作了一个间隔均匀的时间序列(每天一个项目)，并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列，“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列，即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如，假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西，更具体地说，结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框，如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df，如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ，其中包含与唯一值关联的各种字符串。对于这些唯一值，我想删除不等于单独列表的行，最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框（显然，这确实发生了，目前我有一个像这样的数据集！:(） >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF，它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算，但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框，如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”，“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist（）时，出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串，但结果集是 NaN .我究竟做错了什么？ import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀！