Pandas loc和no loc的布尔选择

是否有以下不同的选项

dfCombined[col][dfCombined[col].isnull()]
dfCombined[col].loc[dfCombined[col].isnull()]

我检查了

iloc

，和

ix

，它们不支持布尔选择？

我认为如果需要过滤列

col

使用

loc

：

dfCombined.loc[dfCombined[col].isnull(), 'col']

如果需要，可以省略所有列

loc

：

dfCombined[dfCombined[col].isnull()]

样本：

dfCombined = pd.DataFrame({'col':[1,2,np.nan],
                   'col1':[4,5,6]})

print (dfCombined)
   col  col1
0  1.0     4
1  2.0     5
2  NaN     6

print (dfCombined.loc[dfCombined['col'].isnull(), 'col'])
2   NaN
Name: col, dtype: float64

#select second column (1)
print (dfCombined.ix[dfCombined['col'].isnull(), 1])
2    6
Name: col1, dtype: int64

print (dfCombined.iloc[dfCombined['col'].isnull(), 1])
NotImplementedError: iLocation based boolean indexing on an integer type is not available

print (dfCombined[dfCombined['col'].isnull()])
   col  col1
2  NaN     6

关于你的问题：

这两种方法都适用，但更可取的是选择列的

ix

和

loc

——请参阅

我认为如果您需要使用过滤列

col

使用

loc

：

dfCombined.loc[dfCombined[col].isnull(), 'col']

如果需要，可以省略所有列

loc

：

dfCombined[dfCombined[col].isnull()]

样本：

dfCombined = pd.DataFrame({'col':[1,2,np.nan],
                   'col1':[4,5,6]})

print (dfCombined)
   col  col1
0  1.0     4
1  2.0     5
2  NaN     6

print (dfCombined.loc[dfCombined['col'].isnull(), 'col'])
2   NaN
Name: col, dtype: float64

#select second column (1)
print (dfCombined.ix[dfCombined['col'].isnull(), 1])
2    6
Name: col1, dtype: int64

print (dfCombined.iloc[dfCombined['col'].isnull(), 1])
NotImplementedError: iLocation based boolean indexing on an integer type is not available

print (dfCombined[dfCombined['col'].isnull()])
   col  col1
2  NaN     6

关于你的问题：

这两种方法都适用，但更可取的是选择列的

ix

和

loc

——请参阅

---

在pandas

df中，iloc

仅适用于布尔值

例如：

df.iloc[df[‘col’]==False/True] 

其中as

df.loc

适用于非布尔值

例如：

df.loc[df[‘col’]==values]

---

在pandas

df中，iloc

仅适用于布尔值

例如：

df.iloc[df[‘col’]==False/True] 

其中as

df.loc

适用于非布尔值

例如：

df.loc[df[‘col’]==values]