如果您的DataFrame具有简单的列索引,则没有区别。例如,
In [8]: df = pd.DataFrame(np.arange(12).reshape(4,3), columns=list('ABC'))
In [9]: df.loc[:, ['A','B']]
Out[9]:
A B
0 0 1
1 3 4
2 6 7
3 9 10
In [10]: df.loc[:, ('A','B')]
Out[10]:
A B
0 0 1
1 3 4
2 6 7
3 9 10
但是,如果DataFrame具有MultiIndex,则可能会有很大的不同:
df = pd.DataFrame(np.random.randint(10, size=(5,4)),
columns=pd.MultiIndex.from_arrays([['foo']*2+['bar']*2,
list('ABAB')]),
index=pd.MultiIndex.from_arrays([['baz']*2+['qux']*3,
list('CDCDC')]))
# foo bar
# A B A B
# baz C 7 9 9 9
# D 7 5 5 4
# qux C 5 0 5 1
# D 1 7 7 4
# C 6 4 3 5
In [27]: df.loc[:, ('foo','B')]
Out[27]:
baz C 9
D 5
qux C 0
D 7
C 4
Name: (foo, B), dtype: int64
In [28]: df.loc[:, ['foo','B']]
KeyError: 'MultiIndex Slicing requires the index to be fully lexsorted tuple len (1), lexsort depth (0)'
KeyError表示必须对MultiIndex进行排序。如果我们这样做,那么我们仍然会得到不同的结果:
In [29]: df.sortlevel(axis=1).loc[:, ('foo','B')]
Out[29]:
baz C 9
D 5
qux C 0
D 7
C 4
Name: (foo, B), dtype: int64
In [30]: df.sortlevel(axis=1).loc[:, ['foo','B']]
Out[30]:
foo
A B
baz C 7 9
D 7 5
qux C 5 0
D 1 7
C 6 4
这是为什么?df.sortlevel(axis=1).loc[:, ('foo','B')]
正在选择第一列级别等于foo
,第二列级别等于的列B
。
相反,df.sortlevel(axis=1).loc[:, ['foo','B']]
正在选择第一列级别为foo
或的列B
。关于第一列级别,没有B
列,但是有两foo
列。
我认为Pandas的操作原理是,如果您将其df.loc[...]
用作 表达式 ,则应假定df.loc
可能正在返回副本或视图。Pandas文档未指定您应该遵循的任何规则。但是,如果您 分配 表格
df.loc[...] = value
那么您可以信任熊猫来改变df
自己。
该文档之所以警告有关视图和副本之间的区别的原因,是为了使您意识到使用以下形式的链分配的陷阱
df.loc[...][...] = value
在这里,Pandasdf.loc[...]
首先评估,它可以是视图或副本。现在,如果它是副本,则
df.loc[...][...] = value
正在更改的某些部分的副本df
,因此对其df
自身没有影响。更糟的是,由于没有引用副本,因此对副本的影响也会丢失,因此在赋值语句完成后就无法访问副本,因此(至少在cpython中)垃圾收集。
我不知道一种实用 的先验 方法来确定是否df.loc[...]
要返回视图或副本。
但是,有一些经验法则可能有助于指导您的直觉(但是请注意,我们在这里讨论实现细节,因此不能保证熊猫将来会以这种方式行事):
然而,有一个简单的方法来确定是否x = df.loc[..]
是一个视图 一个postiori :只需看看是否改变值x
影响df
。如果是,则为视图,否则x
为副本。