pandas loc vs. iloc vs. at vs. iat

Pandas

Pandas loc vs. iloc vs. at vs. iat

在使用Pandas进行数据处理和分析时，经常会遇到需要根据条件或索引来选择和修改数据的情况。在这种情况下，Pandas提供了四种常用的方法来访问和操作数据，分别是loc、iloc、at和iat。这四种方法在使用上略有不同，本文将详细介绍它们的使用方法和区别。

loc方法

loc方法是基于标签进行数据访问和操作的。它接受一个标签或标签列表作为索引，并返回对应的数据行或列。可以通过冒号(:)来选择范围，也可以通过布尔表达式来选择符合条件的数据。

下面是一个使用loc方法的案例代码：

<code>import Pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 使用loc方法选择一行数据
row = df.loc[1]
print(row)
# 使用loc方法选择多行数据
rows = df.loc[[0, 2]]
print(rows)
# 使用loc方法选择指定列的数据
column = df.loc[:, 'Name']
print(column)
# 使用loc方法选择符合条件的数据
filtered = df.loc[df['Age'] > 30]
print(filtered)
</code>

在上面的代码中，首先创建了一个DataFrame对象df，然后使用loc方法选择了不同的数据。第一个例子中，使用loc方法选择了第二行的数据，结果为Bob的信息。第二个例子中，使用loc方法选择了第一行和第三行的数据，结果为Alice和Charlie的信息。第三个例子中，使用loc方法选择了Name列的数据，结果为Name列的所有值。最后一个例子中，使用loc方法选择了Age大于30的数据，结果为Charlie和David的信息。

iloc方法

iloc方法是基于整数位置进行数据访问和操作的。它接受一个整数或整数列表作为索引，并返回对应的数据行或列。也可以通过冒号(:)来选择范围，也可以通过布尔表达式来选择符合条件的数据。

下面是一个使用iloc方法的案例代码：

<code>import Pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 使用iloc方法选择一行数据
row = df.iloc[1]
print(row)
# 使用iloc方法选择多行数据
rows = df.iloc[[0, 2]]
print(rows)
# 使用iloc方法选择指定列的数据
column = df.iloc[:, 0]
print(column)
# 使用iloc方法选择符合条件的数据
filtered = df.iloc[df['Age'] > 30]
print(filtered)
</code>

在上面的代码中，首先创建了一个DataFrame对象df，然后使用iloc方法选择了不同的数据。第一个例子中，使用iloc方法选择了第二行的数据，结果为Bob的信息。第二个例子中，使用iloc方法选择了第一行和第三行的数据，结果为Alice和Charlie的信息。第三个例子中，使用iloc方法选择了第一列的数据，结果为Name列的所有值。最后一个例子中，使用iloc方法选择了Age大于30的数据，结果为Charlie和David的信息。

at方法

at方法是基于标签和整数位置进行数据访问和操作的。它接受一个标签和整数位置作为索引，并返回对应的数据值。只能选择单个数据，不能选择多行或多列。

下面是一个使用at方法的案例代码：

<code>import Pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 使用at方法选择单个数据
value = df.at[1, 'Name']
print(value)
</code>

在上面的代码中，首先创建了一个DataFrame对象df，然后使用at方法选择了一个数据。选择的是第二行、Name列的数据，结果为Bob。

iat方法

iat方法是基于整数位置进行数据访问和操作的。它接受一个整数位置作为索引，并返回对应的数据值。只能选择单个数据，不能选择多行或多列。

下面是一个使用iat方法的案例代码：

<code>import Pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
# 使用iat方法选择单个数据
value = df.iat[1, 0]
print(value)
</code>

在上面的代码中，首先创建了一个DataFrame对象df，然后使用iat方法选择了一个数据。选择的是第二行、第一列的数据，结果为Bob。

通过以上的介绍和示例代码，我们可以看到loc、iloc、at和iat这四种方法在使用上的区别和灵活性。根据具体的需求和数据结构，选择合适的方法可以更加高效地进行数据处理和分析。