大Pandas系列-为什么使用loc？

Question

为什么我们要对pandas数据帧使用'loc'？下面的代码无论是否使用loc都以模拟的速度编译和运行

%timeit df_user1 = df.loc[df.user_id=='5561']

100 loops, best of 3: 11.9 ms per loop

或者

%timeit df_user1_noloc = df[df.user_id=='5561']

100 loops, best of 3: 12 ms per loop

那为什么要用loc呢？

编辑：此问题已标记为重复问题。但尽管pandas iloc vs ix vs loc explanation?确实提到了这一点*

you can do column retrieval just by using the data frame's getitem:

*

df['time']    # equivalent to df.loc[:, 'time']

它没有说明我们为什么使用loc，虽然它确实解释了loc的许多特性，但我的具体问题是“为什么不干脆完全省略loc”？对此我接受了下面一个非常详细的回答。

另外，其他帖子的答案（我不认为是答案）在讨论中隐藏得很深，任何人在搜索我正在寻找的内容时，都会发现很难找到这些信息，而我的问题的答案会更好地为他们服务。

Answer 1

• 显式比隐式好。

  df[boolean_mask]选择boolean_mask为真的行，但在您可能不希望它为真的情况下有一个角点大小写：当df具有布尔值列标签时：

  In [229]: df = pd.DataFrame({True:[1,2,3],False:[3,4,5]}); df
  Out[229]: 
     False  True 
  0      3      1
  1      4      2
  2      5      3
  

  您可能需要使用df[[True]]来选择True列。相反，它引发了一个ValueError：

  In [230]: df[[True]]
  ValueError: Item wrong length 1 instead of 3.
  

  与使用loc相比：

  In [231]: df.loc[[True]]
  Out[231]: 
     False  True 
  0      3      1
  

  相反，尽管df2的结构与上面的df1几乎相同，但下面的内容并没有提高ValueError：

  In [258]: df2 = pd.DataFrame({'A':[1,2,3],'B':[3,4,5]}); df2
  Out[258]: 
     A  B
  0  1  3
  1  2  4
  2  3  5
  
  In [259]: df2[['B']]
  Out[259]: 
     B
  0  3
  1  4
  2  5
  

  因此，df[boolean_mask]的行为并不总是与df.loc[boolean_mask]相同。尽管这可能是一个不太可能的用例，但我还是建议始终使用df.loc[boolean_mask]，而不是df[boolean_mask]，因为df.loc语法的含义是明确的。使用df.loc[indexer]可以自动知道df.loc正在选择行。相反，不清楚df[indexer]是否会在不知道indexer和df详细信息的情况下选择行或列（或提升ValueError）。

• df.loc[row_indexer, column_index]可以选择行和列。df[indexer]只能根据indexer中的值类型和df中的列值类型（同样，它们是布尔值吗？）选择行或列。

  In [237]: df2.loc[[True,False,True], 'B']
  Out[237]: 
  0    3
  2    5
  Name: B, dtype: int64
  

• 当切片传递到df.loc时，端点包含在范围中。当一个切片被传递到df[...]时，该切片被解释为半开放间隔：

  In [239]: df2.loc[1:2]
  Out[239]: 
     A  B
  1  2  4
  2  3  5
  
  In [271]: df2[1:2]
  Out[271]: 
     A  B
  1  2  4