iloc[ :, 1:2 ]。 values 和 .iloc[ :, 1].values 的工作方式不同吗？答案

【问题标题】：Does iloc[ :, 1:2 ]. values and .iloc[ :, 1].values work differently?iloc[ :, 1:2 ]。 values 和 .iloc[ :, 1].values 的工作方式不同吗？
【发布时间】：2019-11-17 10:00:15
【问题描述】：

如果我将 pandas dataframe 与 dataset.iloc[:, 1:2].values 切片，它会给我一个 2 dimensional(matrix) 结构化数据，而 dataset.iloc[:, 1].values 给我 1 dimensional 数据。所以，我怀疑iloc[:,1:2] & iloc[:,1] 不要做同样的事情？

这里是示例代码：

    >>> df1 = df.iloc[:, 1:2].values
    >>> print(df1.shape,df1.ndim)
    (9578, 1) 2
    >>> df2 = df.iloc[:, 1].values
    >>> print(df2.shape,df2.ndim)
    (9578,) 1
    >>>

【问题讨论】：

由于您得到不同的结果，因此可以肯定地说他们没有做同样的事情。
.iloc[:,1] 返回系列，而 .iloc[:,1:2] 返回数据帧。与df['A'] 返回系列而df[['A']] 返回数据帧相同

标签： python python-3.x pandas numpy numpy-ndarray

【解决方案1】：

Pandas iloc() 实际上正在执行您在 Python 上下文中所期望的操作。比较以下。

>>> numbers = [0, 1, 2]
>>> numbers[1]
1
>>> numbers[1:2]
[1]

前者提供 0 维数据，后者提供 1 维数据，类似于您的示例。

【讨论】：

【解决方案2】：

是的，iloc[:,1:2] 和 iloc[:,1] 这些不相似，因为一个提供 Dataframe，另一个提供 Serious 作为输出。

使用 df.iloc[:,1:2] 给出 Dataframe 并给出二维，因为 Dataframe 是一个二维数据结构

type(df.iloc[:, 1:2])
pandas.core.frame.DataFrame

使用 df.iloc[:,1] 给出 Series 并且 Series 是一维标记数组

type(df.iloc[:, 1])
pandas.core.series.Series

【讨论】：

【解决方案3】：

从技术上讲，您使用的切片方法称为'Selection by Position'。 iloc 被称为基于整数的位置。

当您使用 df.iloc[:, 1:2] 时，结果输出将是一个 pandas DataFrame 对象：

>>> type(df.iloc[:, 1:2])
pandas.core.frame.DataFrame

当您使用df.iloc[:, 1] 时，结果输出将是一个熊猫系列对象：

>>> type(df.iloc[:, 1])
pandas.core.series.Series

了解差异至关重要，因为每个对象都有不同的方法，可能不适用于其他对象。

【讨论】：

【解决方案4】：

df.iloc[:, 1:2] 返回一个数据帧（矩阵），而df.iloc[:, 1] 返回一个系列（向量）。向量没有列大小。如果您想保留数据框结构，请尝试此操作

df.iloc[:,[1]]

【讨论】：