用于布尔索引的 Pandas、loc 与非 loc

Question

我所做的所有研究都指向loc用作通过 col(s) 值过滤数据帧的方法，今天我正在阅读这篇文章，并通过我测试的示例发现，这loc并不是真正需要的时候通过它的值过滤 cols：前任：df = pd.DataFrame(np.arange(0, 20, 0.5).reshape(8, 5), columns=['a', 'b', 'c', 'd', 'e'])    df.loc[df['a'] >= 15]      a     b     c     d     e6  15.0  15.5  16.0  16.5  17.07  17.5  18.0  18.5  19.0  19.5df[df['a'] >= 15]      a     b     c     d     e6  15.0  15.5  16.0  16.5  17.07  17.5  18.0  18.5  19.0  19.5注意：我确实知道通过索引和位置来执行loc或iloc返回行。我不是基于此功能进行比较。但是在过滤时，做 " where" 子句使用和不使用有loc什么区别？如果有的话。为什么我遇到的所有关于这个主题的例子都使用loc？

Answer 1

根据文档，loc接受用于选择行的布尔数组，在您的情况下

>>> df['a'] >= 15

>>> 

0    False

1    False

2    False

3    False

4    False

5    False

6     True

7     True

Name: a, dtype: bool

被视为布尔数组。

你可以忽略的事实loc在这里和问题df[df['a'] >= 15]是根据韦斯麦金尼，笔者特例便利pandas。

直接引用他的书Python for Data Analysis，p。144，df[val]用于...

从 DataFrame 中选择单列或列序列；特殊情况的便利：布尔数组（过滤行）、切片（切片行）或布尔数据帧（根据某些标准设置值）