df['colimn_name'] vs df.loc[:, 'colimn_name']答案

【问题标题】：df['colimn_name'] vs df.loc[:, 'colimn_name']df['colimn_name'] vs df.loc[:, 'colimn_name']
【发布时间】：2020-11-08 05:54:51
【问题描述】：

我想了解更多信息。关于以下问题的答案：

df = pd.DataFrame(['aa', 'bb', 'xx', 'uu'], [21, 16, 50, 33], columns = ['Name', 'Age'])

选择正确的选项：

我在网上找到了多个答案，但不确定。我认为答案是 2，但是当我尝试 x = df['name'] 然后 x[0] = 'cc' 然后 print(df) 我看到更改出现在原始数据框中。因此，尽管我也收到了警告，但更改如何出现在原始数据框中：正在尝试在 DataFrame 中的切片副本上设置值

我只是想更多地了解两者之间的区别，而天气一个是否真的是原始数据帧的副本。谢谢。

【问题讨论】：

【解决方案1】：

他们都只是VIEW，如果您需要我们需要的副本

df['Name'].copy(). 
df.loc[:, 'Name'].copy()

loc这里可以让你同时访问index和column，也避免了链式切片

df.loc[cond1, cond2]

注意上面loc 也可以传递条件而不仅仅是列名

df.loc[:, df.columns=='Name']
#df[df.columns=='Name'] this will return error

Div 示例

df=pd.DataFrame([[1,2,3],[2,3,4]])
df
   0  1  2
0  1  2  3
1  2  3  4
df[df.columns==0]

Traceback (most recent call last):

【讨论】：

【解决方案2】：

两者都是原始数据框的视图一种可用于在数据框中添加更多列，另一种用于专门获取数据框中的单元格或行或列的视图。

【讨论】：