何时使用 .loc 何时不使用（Pandas Dataframe）？

Question

有人可以帮助我理解，在对数据框进行子集化时，我们通常会这样做df.loc[df['col_1']==0]但是，当我必须根据两个列值或多个条件进行子集化时，我们会这样做df[(df['col_1']==0) & (df['col_2']>0)]为什么第二个标准中不使用.loc？另外，为什么我们不能在第二个代码中使用and ，即df[(df['col_1']==0) and (df['col_2']>0)] ?

Answer 1

为什么第二个标准中不使用 .loc？

df = pd.DataFrame({

         'col_1':[0,3,0,7,1,0],

         'col_2':[0,3,6,9,2,4],

         'col3':list('aaabbb')

})

不，你错了，两者都有效。

print (df.loc[df['col_1']==0])

   col_1  col_2 col3

0      0      0    a

2      0      6    a

5      0      4    b

print (df.loc[(df['col_1']==0) & (df['col_2']>0)])

   col_1  col_2 col3

2      0      6    a

5      0      4    b

print (df[df['col_1']==0])

   col_1  col_2 col3

0      0      0    a

2      0      6    a

5      0      4    b

print (df[(df['col_1']==0) & (df['col_2']>0)])

   col_1  col_2 col3

2      0      6    a

5      0      4    b

使用的原因是如果还需要过滤列名称，例如col_1：

print (df.loc[df['col_1']==0, 'col_2'])

0    0

2    6

5    4

Name: col_2, dtype: int64

print (df.loc[(df['col_1']==0) & (df['col_2']>0), 'col_2'])

2    6

5    4

Name: col_2, dtype: int64

如果需要过滤 2 列或更多列，请使用列表，例如col_1,col3使用：

print (df.loc[df['col_1']==0, ['col_1','col3']])

   col_1 col3

0      0    a

2      0    a

5      0    b

print (df.loc[(df['col_1']==0) & (df['col_2']>0), ['col_1','col3']])

   col_1 col3

2      0    a

5      0    b

如果省略loc则失败：

df[df['col_1']==0, 'col_1']

df[(df['col_1']==0) & (df['col_2']>0), 'col_1']

类型错误

另外，为什么我们不能在第二个代码中使用and ，即

df[(df['col_1']==0) and (df['col_2']>0)]

因为and是通过标量进行处理，在 pandas 中用于&按位AND- &。