大熊猫中的 loc 函数

Question

谁能解释一下为什么在 python pandas 中使用 loc 并举例如下所示？

for i in range(0, 2):
  for j in range(0, 3):
    df.loc[(df.Age.isnull()) & (df.Gender == i) & (df.Pclass == j+1),
            'AgeFill'] = median_ages[i,j]

Answer 1

这里推荐使用.loc，因为df.Age.isnull()、df.Gender == i 和df.Pclass == j+1 方法可能会返回数据框切片的视图或可能返回副本。这会让 pandas 感到困惑。

如果您不使用.loc，您最终会串联调用所有 3 个条件，这会导致您遇到一个称为链式索引的问题。但是，当您使用.loc 时，您可以一步访问所有条件，pandas 不再感到困惑。

您可以阅读有关此内容的更多信息以及不使用.loc 时会导致pandas documentation 中的操作失败的一些示例。

简单的答案是，虽然您通常可以不使用 .loc 而只是输入（例如）

df['Age_fill'][(df.Age.isnull()) & (df.Gender == i) & (df.Pclass == j+1)] \
                                                          = median_ages[i,j]

您总是会收到SettingWithCopy 警告，并且您的代码会因此变得有些混乱。

根据我的经验，.loc 花了我一段时间才弄清楚，更新我的代码有点烦人。但它真的超级简单而且非常直观：df.loc[row_index,col_indexer]。

有关更多信息，请参阅Indexing and Selecting Data 上的 pandas 文档。