使用带有布尔掩码的df.loc[]和df[]简写，pandas

rsl1atfo 于 2023-06-20 发布在其他

关注(0)|答案(1)|浏览(119)

df[booleanMask]和df.loc [booleanMask]都对我有效，但我不明白为什么。不使用.loc的简写df[]我认为应用于列，而我试图应用于行，所以我认为我需要使用.loc
下面是具体代码：

# Boolean operators
# All the games where a team scored at least 4 goals and won to nil
hw_4_0 = (pl23['FTHG'] >= 4) & (pl23['FTAG'] == 0)
aw_0_4 = (pl23['FTHG'] == 0) & (pl23['FTAG'] >= 4)
pl23.loc[aw_0_4 | hw_4_0]

例如，pl23.loc[aw_0_4| hw_4_0，：]也可以工作，但pl23.loc[：，aw_0_4| [hw_4_0]没有。我认为df[boolean mask]是后者的简写（和索引一样），那么为什么它在这个例子中起作用呢？
使用pl23.loc[aw_0_4| hw_4_0]，它返回查询所针对的 Dataframe ，而我期望的是IndexingError：作为索引器提供的布尔系列不可对齐（布尔系列的索引和索引对象的索引不匹配）。

pandas

来源：https://stackoverflow.com/questions/76431919/using-df-loc-vs-df-shorthand-with-boolean-masks-pandas

1条答案

按热度按时间

7cwmlq891#

df[…] vs df.loc[…]适用于列vs索引，当您使用标签时。
如果你传递一个boolean Series（或其他iterable）来进行boolean索引，那么它们都作用于索引级别。要对列执行布尔索引，需要df.loc[:, …]
示例：

df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})

# select "col1" in the columns
df['col1']

# select "0" in the index
df.loc[0]

# boolean indexing on the index
df[df['col1'].ge(2)]
# or
df.loc[df['col1'].ge(2)]
# or
df[[False, True, True]]
# or
df.loc[[False, True, True]]

# boolean indexing on the columns
df.loc[:, df.loc[0].ge(2)]
# or
df.loc[:, [False, True]]

赞(0）回复(0）举报 2023-06-20

我来回答

使用带有布尔掩码的df.loc[]和df[]简写，pandas

1条答案

相关问题

热门标签

最新问答