Python 熊猫索引的最佳实践

我想根据掩码选择行，

idx

。我可以想到两种不同的可能性，要么使用

iloc

，要么只使用括号。我已经在下面展示了两种可能性（在数据帧

df

）。它们是否同样可行

idx = (df["timestamp"] >= 5) & (df["timestamp"] <= 10)
idx = idx.values
hr = df["hr"].iloc[idx]
timestamps = df["timestamp"].iloc[idx]

---

idx=（df[“timestamp”]>=5）和（df[“timestamp”]=5）和（df[“timestamp”]不，它们不一样。一个使用直接语法，而另一个依赖链接索引

关键点是：


主要用于基于整数位置的索引
最常用于标签或布尔数组
链式索引，即通过
df[x][y]
，是而且从来都不是必需的
idx.values
返回
idx
系列的
numpy
数组表示形式。这不能馈送
.iloc
，也不需要馈送
.loc
，后者可以直接获取
idx

下面是两个可行的示例。在这两个示例中，您都可以使用类似的语法来屏蔽数据帧或序列。例如，
df['hr'].loc[mask]
与
df.loc[mask]
一样有效

伊洛克
这里我们使用
numpy。其中
提取布尔序列中
True
元素的整数索引。
iloc
确实接受布尔数组，但在我看来，这不太清楚；“i”代表整数

idx = (df['timestamp'] >= 5) & (df['timestamp'] <= 10)
mask = np.where(idx)[0]
df = df.iloc[mask]


当仅屏蔽行时，您可以完全省略
loc
访问器，并使用
df[mask]
如果按行屏蔽并对列进行过滤，则可以使用
df.loc[mask，'col_name']

是熊猫的基础：阅读官方文档是无可替代的。
不要将基于
\uuuuu getitem\uuuuu
的索引和（i）基于loc的索引混合使用。使用其中一种。我更喜欢（i）通过索引访问时使用loc，以及通过列或布尔索引访问时使用
\uuu getitem\uuuu

以下是一些通常不好的索引方法：

df.loc[idx].loc[:, col]   
df.loc[idx][col]                
df[column][idx]          
df[column].loc[idx]  

所有上述操作的正确方法是
df.loc[idx，col]
。如果
idx
是一个整数标签，请使用
df.loc[df.index[idx，col]

当您尝试分配给这些解决方案时，大多数解决方案都会导致问题（主要是以SettingWithCopyWarning的形式），因为这些解决方案会创建视图并绑定到它们查看的原始数据帧

所有这些版本的正确解决方案是
df.iloc[idx，df.columns.get_loc（column）]
请注意，
idx
是一个整数索引数组，
column
是一个字符串标签。类似地，对于
loc

如果您有一个布尔数组，请改用
loc
，如下所示：
df.loc[boolean_idx，column]

此外，这些都很好：
df[column]
，和
df[boolean\u mask]

为单行或单列编制索引有一些规则。根据其编制方式，您将获得一个系列或数据帧。因此，如果要将数据帧
df
中的第100行作为数据帧切片编制索引，则需要执行以下操作：

df.iloc[[100], :]  # `:` selects every column

而不是

df.iloc[100, :]

对于基于列的索引也是如此

最后，如果要索引单个标量，请使用
at
或
iat


OTOH，根据您的要求，我建议第三种选择：

ts = df.loc[df.timestamp.between(5, 10), 'timestamp']

或者如果你是整个事情的子集

df = df[df.timestamp.between(5, 10)]

您的问题归结为是使用
df['col'].iloc[idx]
还是仅使用
[idx]
，其中
idx
是布尔向量（不是int）。所以你只是问布尔掩码的情况。当谈论熊猫索引时，从哪里开始。也许文档是一个好的开始。永远不要像这样混合和链接索引操作。你会受到伤害。我已经将你问题的标题编辑成我相信很多人都会搜索的内容.让我看看。顺便问一下，你介意养成一种习惯，对你认为有用的答案进行投票/接受吗？这对社区很有帮助，我注意到你似乎并不经常这样做。是否使用mask=idx.values而不是mask=np.where（idx）[0]不起作用？不，它不起作用。因为
idx.values
只会给出一个布尔数组，它不能根据提供给
.iloc
。iloc主要基于整数位置（从轴的0到长度-1），但也可以与布尔数组一起使用“iloc只能接受一个numpy数组，但不能接受该系列，否则我会得到一个错误neccessary@machinery，没错，我不想在这里复制这些文档（那里有更多可用的文档）。但我又更新了：）。@BenMares那里的措辞似乎不好。我本想在不正确的方法旁边添加注释中的更正，但后来意识到所有这些都是错误地编写同一表达式的不同方式。在这里见我的朋友。
ts = df.loc[df.timestamp.between(5, 10), 'timestamp']

df = df[df.timestamp.between(5, 10)]