熊猫，loc与非loc用于布尔索引

Question

我所做的所有研究都指出，使用loc作为通过cols (S)值对数据进行过滤的方法，今天我正在阅读这，我通过测试的示例发现，在按其值过滤cols时，并不真正需要loc：

例：

df = pd.DataFrame(np.arange(0, 20, 0.5).reshape(8, 5), columns=['a', 'b', 'c', 'd', 'e'])    

df.loc[df['a'] >= 15]

      a     b     c     d     e
6  15.0  15.5  16.0  16.5  17.0
7  17.5  18.0  18.5  19.0  19.5

df[df['a'] >= 15]

      a     b     c     d     e
6  15.0  15.5  16.0  16.5  17.0
7  17.5  18.0  18.5  19.0  19.5

注意:我确实知道执行loc 或 iloc 会根据其索引和位置返回行。我不是根据这个功能进行比较。

但是，在过滤、执行"where“子句时，使用或不使用loc有什么区别呢？如果有的话。为什么我遇到的关于这个主题的所有例子都使用loc

Answer 1

根据文档，loc接受一个用于选择行的布尔数组，在您的示例中

>>> df['a'] >= 15
>>> 
0    False
1    False
2    False
3    False
4    False
5    False
6     True
7     True
Name: a, dtype: bool

被视为布尔数组。

根据“loc”的作者Wes McKinney，您可以在这里省略df[df['a'] >= 15]并发布df[df['a'] >= 15]这一事实是一个特殊的方便情况。

直接引用他的书，用于数据分析的Python，第144页，df[val]是用来.

从DataFrame中选择单列或列序列；特例方便性:布尔数组(筛选行)、片(片行)或布尔DataFrame(根据某种标准设置值)