在Pandas DataFrame中,使用方括号或点来"校准列"之间的区别是什么？

Question

即:

import pandas

d = {'col1': 2, 'col2': 2.5}
df = pandas.DataFrame(data=d, index=[0])

print(df['col2'])
print(df.col2)

输出是一样的.

这个答案是否适用于这种情况？

Python中的方括号和点符号有什么区别？

Answer 1

"点符号",即为方便起见而公开df.col2的属性访问.

您可以直接将Panel上的索引,DataFrame上的列和Panel上的项目作为属性访问:

df['col2']做同样的事情:它返回pd.Series列的一个.

关于属性访问的一些注意事项:

• 你不能添加一个列(df.new_col = x不会工作,更糟糕的是:它会默默地实际创建一个新属性而不是列 - 想想猴子修补这里)
• 如果列名中有空格或列名是整数,则无效.

Answer 2

差异的简短回答：

• []索引（方括号访问）具有对 DataFrame 列数据进行操作的完整功能。
• 虽然属性访问（点访问）主要是为了方便访问现有的DataFrame列数据，但偶尔也有其局限性（例如特殊的列名，创建新列）。

多解释一下，Seires和DataFrame是pandas中的核心类和数据结构，当然它们也是Python类，所以在涉及pandas DataFrame和普通Python对象之间的属性访问时，会有一些细微的区别。但它有据可查，很容易理解。只需注意几点：

1. 在 Python 中，用户可以使用属性访问将自己的数据属性动态添加到实例对象中。

   >>> class Dog(object):
   ...     pass
   >>> dog = Dog()
   >>> vars(dog)
   {}
   >>> superdog = Dog()
   >>> vars(superdog)
   {}
   >>> dog.legs = 'I can run.'
   >>> superdog.wings = 'I can fly.'
   >>> vars(dog)
   {'legs': 'I can run.'}
   >>> vars(superdog)
   {'wings': 'I can fly.'}
   

2. 在熊猫，索引和列密切相关的数据结构，您可以访问在数据帧上的系列指数，列作为属性。

   >>> import pandas as pd
   >>> import numpy as np
   >>> data = np.random.randint(low=0, high=10, size=(2,2))
   >>> df = pd.DataFrame(data, columns=['a', 'b'])
   >>> df
      a  b
   0  7  6
   1  5  8
   >>> vars(df)
   {'_is_copy': None, 
    '_data': BlockManager
       Items: Index(['a', 'b'], dtype='object')
       Axis 1: RangeIndex(start=0, stop=2, step=1)
       IntBlock: slice(0, 2, 1), 2 x 2, dtype: int64,
    '_item_cache': {}}
   

3. 但是，pandas 属性访问主要是方便读取和修改数据帧的系列或列的现有元素。

   >>> df.a
   0    7
   1    5
   Name: a, dtype: int64
   >>> df.b = [1, 1]
   >>> df
      a  b
   0  7  1
   1  5  1
   

4. 而且，便利性是对完整功能的权衡。例如，您可以使用列名称创建一个 DataFrame 对象['space bar', '1', 'loc', 'min', 'index']，但您不能将它们作为属性访问，因为它们不是有效的 Python 标识符1，space bar或者与现有方法名称冲突。

   >>> data = np.random.randint(0, 10, size=(2, 5))
   >>> df_special_col_names = pd.DataFrame(data, columns=['space bar', '1', 'loc', 'min', 'index'])
   >>> df_special_col_names
      space bar  1  loc  min  index
   0          4  4    4    8      9
   1          3  0    1    2      3
   

5. 在这些情况下，.loc,.iloc和[]索引是完全访问/操作 Series 和 DataFrame 对象的索引和列的定义方式。

   >>> df_special_col_names['space bar']
   0    4
   1    3
   Name: space bar, dtype: int64
   >>> df_special_col_names.loc[:, 'min']
   0    8
   1    2
   Name: min, dtype: int64
   >>> df_special_col_names.iloc[:, 1]
   0    4
   1    0
   Name: 1, dtype: int64
   

6. 另一个重要的区别是何时为 DataFrame 创建新列。如您所见，df.c = df.a + df.b刚刚在核心数据结构旁边创建了一个新属性，因此从 version0.21.0和更高版本开始，此行为将引发UserWarning（不再沉默）。

   >>> df
      a  b
   0  7  1
   1  5  1
   >>> df.c = df.a + df.b
   __main__:1: UserWarning: Pandas doesn't allow columns to be created via a new attribute name - see https://pandas.pydata.org/pandas-docs/stable/indexing.html#attribute-access
   >>> df['d'] = df.a + df.b
   >>> df
      a  b  d
   0  7  1  8
   1  5  1  6
   >>> df.c
   0    8
   1    6
   dtype: int64
   >>> vars(df)
   {'_is_copy': None, 
    '_data': 
       BlockManager
       Items: Index(['a', 'b', 'd'], dtype='object')
       Axis 1: RangeIndex(start=0, stop=2, step=1)
       IntBlock: slice(0, 2, 1), 2 x 2, dtype: int64
       IntBlock: slice(2, 3, 1), 1 x 2, dtype: int64, 
    '_item_cache': {},
    'c': 0    8
         1    6
         dtype: int64}
   

7. 最后，要为 DataFrame 创建一个新列，永远不要使用属性 access，正确的方法是使用[]或.locindexing：

   >>> df
      a  b
   0  7  6
   1  5  8
   >>> df['c'] = df.a + df.b 
   >>> # OR
   >>> df.loc[:, 'c'] = df.a + df.b
   >>> df # c is an new added column
      a  b   c
   0  7  6  13
   1  5  8  13
   

Answer 3

只要您使用简单的名称访问单个列,它们就是相同的,但您可以使用括号表示法执行更多操作.您只能df.col在列名称是有效的Python标识符时使用(例如,不包含空格和其他此类内容).此外,如果您的列名与pandas方法名称(如sum)冲突,您可能会遇到意外.使用括号,您可以选择多个列(例如df[['col1', 'col2']])或添加新列(df['newcol'] = ...),这不能通过点访问来完成.

您链接的另一个问题适用,但这是一个更普遍的问题.Python对象可以定义.和[]运算符如何应用于它们.Pandas DataFrames选择使它们在访问单列的有限情况下使它们相同,但需要注意上述注意事项.