使用方括号访问 Pandas 列与使用点（类似属性）-IT科技

摘要：问题描述：在以下两种情况下：import pandas d = {'col1': 2, 'col2': 2.5} df = pandas.DataFrame(data=d, index=[0]) print(df['col2']) print(df.col2) 两种方法都可以用于对列进行索引并产生相同的结...

问题描述：

在以下两种情况下：

import pandas

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

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

两种方法都可以用于对列进行索引并产生相同的结果，那么它们之间有什么区别吗？

解决方案 1：

“点符号”，即df.col2为了方便而公开的属性访问。

您可以直接将 Series 上的索引、DataFrame 上的列以及 Panel 上的项目作为属性进行访问：

df['col2']作用相同：它返回pd.Series该列的。

关于属性访问的一些注意事项：

您无法添加列（df.new_col = x不起作用，更糟糕的是：它实际上会默默地创建一个新属性而不是一个列 - 想想这里的 monkey-patching）
如果列名中有空格或者列名是整数，则它将不起作用。

解决方案 2：

差异的简短答案：

[]索引（方括号访问）具有对 DataFrame 列数据进行操作的全部功能。
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（例如特殊列名、创建新列）。

更多解释

Series 和 DataFrame 是 Pandas 中的核心类和数据结构，当然它们也是 Python 类，因此在涉及 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。但它有很好的文档记录，很容易理解。只需注意以下几点：

在 Python 中，用户可以使用属性访问动态地将自己的数据属性添加到实例对象中。

>>> 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.'}

在 pandas 中，索引和列与数据结构紧密相关，你可以将Series 上的索引、DataFrame 上的列作为属性访问。

>>> 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': {}}

但是，pandas 属性访问主要是为了方便读取和修改Series 或 DataFrame 的列的现有元素。

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

而且，便利性是以牺牲完整功能为代价的。例如，您可以创建一个具有列名的 DataFrame 对象['space bar', '1', 'loc', 'min', 'index']，但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）或与现有属性名称冲突。

>>> 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

在这些情况下，、.loc和.iloc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

另一个重要的区别是尝试为 DataFrame 创建新列时。如您所见，df.c = df.a + df.b只需在核心数据结构旁边创建一个新属性，因此从版本0.21.0及更高版本开始，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}

最后，要为 DataFrame 创建新列，切勿使用属性访问。正确的方法是使用[]或.loc索引：

>>> 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

解决方案 3：

只要您使用简单名称访问单个列，它们就是一样的，但您可以使用括号表示法做更多的事情。只有df.col当列名是有效的 Python 标识符（例如，不包含空格和其他类似的东西）时，您才能使用。此外，如果您的列名与 pandas 方法名称（如sum）冲突，您可能会遇到意外情况。使用括号，您可以选择多个列（例如df[['col1', 'col2']]）或添加一个新列（df['newcol'] = ...），而使用点访问则无法做到这一点。

您链接到的另一个问题也适用，但这是一个更普遍的问题。Python 对象可以定义.and[]运算符如何应用于它们。Pandas DataFrames 选择使它们在这种访问单个列的有限情况下相同，但有上述注意事项。

解决方案 4：

.符号在交互工作和探索时非常有用。但是，为了代码清晰并避免发生疯狂的事情，您绝对应该使用符号。以下是创建新列时应[]使用符号的示例。[]

df = pd.DataFrame(data={'A':[1, 2, 3],
                    'B':[4,5,6]})

# this has no effect
df.D = 11
df

    A  B
 0  1  4
 1  2  5
 2  3  6
# but this works
df['D'] = 11
df

Out[19]: 
   A  B   D
0  1  4  11
1  2  5  11  
2  3  6  11

解决方案 5：

如果您有这样的数据框（我不推荐这些列名）...

df = pd.DataFrame({'min':[1,2], 'max': ['a','a'], 'class': [1975, 1981], 'sum': [3,4]})

print(df)

   min max  class  sum
0    1   a   1975    3
1    2   a   1981    4

一切看起来都很好，没有错误。您甚至可以通过df['min']等访问列...

print(df['min'])

0    1
1    2
Name: min, dtype: int64

但是，如果你尝试的话，df.<column_name>你会遇到问题：

print(df.min)

<bound method NDFrame._add_numeric_operations.<locals>.min of    min max  class  sum
0    1   a   1975    3
1    2   a   1981    4>

print(df.max)

<bound method NDFrame._add_numeric_operations.<locals>.max of    min max  class  sum
0    1   a   1975    3
1    2   a   1981    4>

print(df.class)

  File "<ipython-input-31-3472b02a328e>", line 1
    print(df.class)
             ^
SyntaxError: invalid syntax
    
print(df.sum)

<bound method NDFrame._add_numeric_operations.<locals>.sum of    min max  class  sum
0    1   a   1975    3
1    2   a   1981    4>