为什么 .loc 对切片具有包容性行为？

Question

由于某种原因，以下 2 次对 iloc / loc 的调用会产生不同的行为：

>>> import pandas as pd
>>> df = pd.DataFrame(dict(A=range(3), B=range(3)))
>>> df.iloc[:1]
   A  B
0  0  0
>>> df.loc[:1]
   A  B
0  0  0
1  1  1

我知道loc 考虑行标签，而iloc 考虑行的基于整数的索引。但是为什么loc 调用的上限被认为是包容的，而iloc 的上限被认为是独占的？

Answer 1

快速回答：

在使用标签时进行包含末端的切片通常更有意义，因为它需要较少了解 DataFrame 中的其他行。

当您关心标签而不是位置时，结束独占标签切片会以一种不方便的方式引入位置依赖性。

---

更长的答案：

任何函数的行为都是一种权衡：您偏爱某些用例而不是其他用例。最终，.iloc 的操作是 Pandas 开发人员的主观设计决定（正如@ALlollz 的评论所示，这种行为is intentional）。但要了解他们为什么会这样设计，请考虑标签切片与位置切片的不同之处。

假设我们有两个 DataFrames df1 和 df2：

df1 = pd.DataFrame(dict(X=range(4)), index=['a','b','c','d'])
df2 = pd.DataFrame(dict(X=range(4)), index=['b','c','z'])

df1 包含：

   X
Y
a  0
b  1
c  2
d  3

df2 包含：

   X
Y
b  0
c  1
z  2

假设我们有一个基于标签的任务要执行：我们想从df1 和df2 中获取b 和c 之间的行，并且我们希望对两者使用相同的代码数据帧。因为b 和c 在两个DataFrame 中的位置不同，所以简单的位置切片无法解决问题。所以我们转向基于标签的切片。

如果.loc 是排他的，要获得b 和c 之间的行，我们不仅需要知道所需结束行的标签，还需要知道之后的下一行的标签。按照构造，下一个标签在每个 DataFrame 中都会有所不同。

在这种情况下，我们有两个选择：

• 为每个 DataFrame 使用单独的代码：df1.loc['b':'d'] 和 df2.loc['b':'z']。这很不方便，因为这意味着我们需要知道超出我们想要的行之外的额外信息。
• 先获取位置索引，加1，然后使用位置切片：df.loc[df.index.get_loc('b'):df.index.get_loc('c')+1]。这只是罗嗦。

但由于 .loc 是末端包容的，我们可以只说 .loc['b':'c']。简单多了！

当您关心标签而不是位置时，并且您尝试编写与位置无关的代码时，包含末端的标签切片会以一种不方便的方式重新引入位置依赖性。

也就是说，也许在某些用例中您确实需要基于标签的最终排他切片。如果是这样，您可以使用@Willz's answer in this question：

df.loc[start:end].iloc[:-1]