pandas中ix的使用详细讲解


Posted in Python onMarch 09, 2020

在上一篇博客中,我们已经仔细讲解了iloc和loc,只是简单了提到了ix。这是因为相比于前2者,ix更复杂,也更让人迷惑。

因此,本篇博客通过例子的解释试图来描述清楚ix,尤其是与iloc和loc的联系。

首先,再次介绍这三种方法的概述:

  • loc gets rows (or columns) with particular labels from the index. loc从索引中获取具有特定标签的行(或列)。
  • iloc gets rows (or columns) at particular positions in the index (so it only takes integers). iloc在索引中的特定位置获取行(或列)(因此它只接受整数)。
  • ix usually tries to behave like loc but falls back to behaving like iloc if a label is not present in the index. ix通常会尝试像loc一样行为,但如果索引中不存在标签,则会退回到像iloc一样的行为。(这句话有些绕口,没关系,关于ix特点,后面会详细讲解)

1 使用ix切分Series

请注意:在pandas版本0.20.0及其以后版本中,ix已经不被推荐使用,建议采用iloc和loc实现ix。这是为什么呢?这是由于ix的复杂特点可能使ix使用起来有些棘手:

  1. 如果索引是整数类型,则ix将仅使用基于标签的索引,而不会回退到基于位置的索引。如果标签不在索引中,则会引发错误。
  2. 如果索引不仅包含整数,则给定一个整数,ix将立即使用基于位置的索引而不是基于标签的索引。但是,如果ix被赋予另一种类型(例如字符串),则它可以使用基于标签的索引。

接下来举例说明这2个特点。

1.1 特点1举例

>>> s = pd.Series(np.nan, index=[49,48,47,46,45, 1, 2, 3, 4, 5])
>>> s
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
2 NaN
3 NaN
4 NaN
5 NaN

现在我们来看使用整数3切片有什么结果:

在这个例子中,s.iloc[:3]读取前3行(因为iloc把3看成是位置position),而s.loc[:3]读取的是前8行(因为loc把3看作是索引的标签label)

>>> s.iloc[:3] # slice the first three rows
49 NaN
48 NaN
47 NaN
 
>>> s.loc[:3] # slice up to and including label 3
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
2 NaN
3 NaN
 
>>> s.ix[:3] # the integer is in the index so s.ix[:3] works like loc
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
2 NaN
3 NaN

注意:s.ix[:3]返回的结果与s.loc[:3]一样,这是因为如果series的索引是整型的话,ix会首先去寻找索引中的标签3而不是去找位置3。

如果,我们试图去找一个不在索引中的标签,比如说是6呢?

>>> s.iloc[:6]
49 NaN
48 NaN
47 NaN
46 NaN
45 NaN
1 NaN
 
>>> s.loc[:6]
KeyError: 6
 
>>> s.ix[:6]
KeyError: 6

在上面的例子中,s.iloc[:6]正如我们所期望的,返回了前6行。而,s.loc[:6]返回了KeyError错误,这是因为标签6并不在索引中。

那么,s.ix[:6]报错的原因是什么呢?正如我们在ix的特点1所说的那样,如果索引只有整数类型,那么ix仅使用基于标签的索引,而不会回退到基于位置的索引。如果标签不在索引中,则会引发错误。

1.2 特点2举例

接着例子1来说,如果我们的索引是一个混合的类型,即不仅仅包括整型,也包括其他类型,如字符类型。那么,给ix一个整型数字,ix会立即使用iloc操作,而不是报KeyError错误。

>>> s2 = pd.Series(np.nan, index=['a','b','c','d','e', 1, 2, 3, 4, 5])
>>> s2.index.is_mixed() # index is mix of different types
True
>>> s2.ix[:6] # now behaves like iloc given integer
a NaN
b NaN
c NaN
d NaN
e NaN
1 NaN

注意:在这种情况下,ix也可以接受非整型,这样就是loc的操作:

>>> s2.ix[:'c'] # behaves like loc given non-integer
a NaN
b NaN
c NaN

这个例子就说明了ix特点2。

正如前面所介绍的,ix的使用有些复杂。如果仅使用位置或者标签进行切片,使用iloc或者loc就行了,请避免使用ix。

2 在Dataframe中使用ix实现复杂切片

有时候,在使用Dataframe进行切片时,我们想混合使用标签和位置来对行和列进行切片。那么,应该怎么操作呢?

举例,考虑有下述例子中的Dataframe。我们想得到直到包含标签'c'的行和前4列。

>>> df = pd.DataFrame(np.nan, 
      index=list('abcde'),
      columns=['x','y','z', 8, 9])
>>> df
 x y z 8 9
a NaN NaN NaN NaN NaN
b NaN NaN NaN NaN NaN
c NaN NaN NaN NaN NaN
d NaN NaN NaN NaN NaN
e NaN NaN NaN NaN NaN

在pandas的早期版本(0.20.0)之前,ix可以很好地实现这个功能。

我们可以使用标签来切分行,使用位置来切分列(请注意:因为4并不是列的名字,因为ix在列上是使用的iloc)。

>>> df.ix[:'c', :4]
 x y z 8
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN

在pandas的后来版本中,我们可以使用iloc和其它的一个方法就可以实现上述功能:

>>> df.iloc[:df.index.get_loc('c') + 1, :4]
 x y z 8
a NaN NaN NaN NaN
b NaN NaN NaN NaN
c NaN NaN NaN NaN

get_loc() 是得到标签在索引中的位置的方法。请注意,因为使用iloc切片时不包括最后1个点,因为我们必须加1。

可以看到,只使用iloc更好用,因为不必理会ix的那2个“繁琐”的特点。

3 参考文献
https://stackoverflow.com/questions/31593201/pandas-iloc-vs-ix-vs-loc-explanation-how-are-they-different

到此这篇关于pandas中ix的使用详细讲解的文章就介绍到这了,更多相关pandas ix内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
python+matplotlib绘制3D条形图实例代码
Jan 17 Python
python 3利用Dlib 19.7实现摄像头人脸检测特征点标定
Feb 26 Python
批量将ppt转换为pdf的Python代码 只要27行!
Feb 26 Python
Python中psutil的介绍与用法
May 02 Python
OpenCV 边缘检测
Jul 10 Python
在pandas中遍历DataFrame行的实现方法
Oct 23 Python
python用WxPython库实现无边框窗体和透明窗体实现方法详解
Feb 21 Python
python标准库OS模块详解
Mar 10 Python
Python限制内存和CPU使用量的方法(Unix系统适用)
Aug 04 Python
使用Python绘制台风轨迹图的示例代码
Sep 21 Python
Python非单向递归函数如何返回全部结果
Dec 18 Python
FP-growth算法发现频繁项集——构建FP树
Jun 24 Python
Python unittest 自动识别并执行测试用例方式
Mar 09 #Python
python爬虫开发之urllib模块详细使用方法与实例全解
Mar 09 #Python
在Python IDLE 下调用anaconda中的库教程
Mar 09 #Python
python shell命令行中import多层目录下的模块操作
Mar 09 #Python
使用Python获取当前工作目录和执行命令的位置
Mar 09 #Python
python爬虫开发之Request模块从安装到详细使用方法与实例全解
Mar 09 #Python
Python如何存储数据到json文件
Mar 09 #Python
You might like
php var_export与var_dump 输出的不同
2013/08/09 PHP
初识javascript 文档碎片
2010/07/13 Javascript
js setTimeout 参数传递使用介绍
2013/08/13 Javascript
控制文字内容的显示与隐藏示例
2014/06/11 Javascript
7个去伪存真的JavaScript面试题
2016/01/07 Javascript
Bootstrap作品展示站点实战项目2
2016/10/14 Javascript
微信小程序之仿微信漂流瓶实例
2016/12/09 Javascript
基于angular实现模拟微信小程序swiper组件
2017/06/11 Javascript
基于Swiper实现移动端页面图片轮播效果
2017/12/28 Javascript
vue2.0 循环遍历加载不同图片的方法
2018/03/06 Javascript
vue2.0 可折叠列表 v-for循环展示的实例
2018/09/07 Javascript
移动端自适应flexible.js的使用方法(不用三大框架,仅写一个单html页面使用)推荐
2019/04/02 Javascript
基于layPage插件实现两种分页方式浅析
2019/07/27 Javascript
jQuery 判断元素是否存在然后按需加载内容的实现代码
2020/01/16 jQuery
基于vue+echarts 数据可视化大屏展示的方法示例
2020/03/09 Javascript
axios封装与传参示例详解
2020/10/18 Javascript
用Python将动态GIF图片倒放播放的方法
2016/11/02 Python
python tensorflow学习之识别单张图片的实现的示例
2018/02/09 Python
Python get获取页面cookie代码实例
2018/09/12 Python
浅谈Python_Openpyxl使用(最全总结)
2019/09/05 Python
Django学习之文件上传与下载
2019/10/06 Python
Python模块 _winreg操作注册表
2020/02/05 Python
pandas中的ExcelWriter和ExcelFile的实现方法
2020/04/24 Python
keras分类之二分类实例(Cat and dog)
2020/07/09 Python
很酷的HTML5电子书翻页动画特效
2016/02/25 HTML / CSS
应届生财务会计求职信
2013/11/05 职场文书
本科毕业生求职自荐信
2014/02/03 职场文书
安全标准化实施方案
2014/02/20 职场文书
班主任工作经验交流材料
2014/05/13 职场文书
文艺晚会策划方案
2014/06/11 职场文书
六一亲子活动总结
2014/07/01 职场文书
结婚保证书(卖身契)
2015/02/26 职场文书
幼儿园见习总结
2015/06/23 职场文书
2015年行政管理人员工作总结
2015/10/15 职场文书
医护人员继续教育学习心得体会
2016/01/19 职场文书
Win11绿屏怎么办?Win11绿屏死机的解决方法
2021/11/21 数码科技