pandas切片上的运算和赋值比较

x =pd.Series(np.arange(0,10))

y =pd.Series(np.arange(100,110))

df =pd.DataFrame({'x':x, 'y':y})

df

   x    y

0  0  100

1  1  101

2  2  102

3  3  103

4  4  104

5  5  105

6  6  106

7  7  107

8  8  108

9  9  109

 

 

运算	变量[]	变量.loc[] !!! 包含末尾 !!!	df.loc[] !!! 包含末尾 !!!	df[]
取整列	df.x 0    0 1    1 2    2 3    3 4    4 5    5 6    6 7    7 8    8 9    9		df.loc[:,'x'] 0    0 1    1 2    2 3    3 4    4 5    5 6    6 7    7 8    8 9    9	df['x'] 0    0 1    1 2    2 3    3 4    4 5    5 6    6 7    7 8    8 9    9
取整行			df.loc[2:5]    x    y 2  2  102 3  3  103 4  4  104 5  5  105	df[2:5]    x    y 2  2  102 3  3  103 4  4  104 同一个[]，既可以取列，也可以取行！！！
取值	df.x[2:5] 2    2 3    3 4    4	df.x.loc[2:5] 2    2 3    3 4    4 5    5	df.loc[2:5, 'x'] 同左	df[2:5, 'x'] TypeError: unhashable type: 'slice'
加法 （index一致）	df.x[2:5] + df.y[2:5] 2    104 3    106 4    108	df.x.loc[2:5] + df.y.loc[2:5] 2    104 3    106 4    108 5    110	df.loc[2:5, 'x'] + df.loc[2:5, 'y'] 同左
纵向 concat	pd.concat([df.x[2:5], df.y[3:6]]) 2      2 3      3 4      4 3    103 4    104 5    105	pd.concat([df.x.loc[2:5], df.y.loc[3:6]]) 2      2 3      3 4      4 5      5 3    103 4    104 5    105 6    106	pd.concat([df.loc[2:5, 'x'], df.loc[3:6, 'y']]) 同左
横向 concat	pd.concat([df.x[2:5], df.y[3:6]], axis=1)      x      y 2  2.0    NaN 3  3.0  103.0 4  4.0  104.0 5  NaN  105.0	pd.concat([df.x.loc[2:5], df.y.loc[3:6]], axis=1)      x      y 2  2.0    NaN 3  3.0  103.0 4  4.0  104.0 5  5.0  105.0 6  NaN  106.0	pd.concat([df.loc[2:5, 'x'], df.loc[3:6, 'y']], axis=1) 同左
加法 （index不一致）	df.x[2:5] + df.y[3:6] 2      NaN 3    106.0 4    108.0 5      NaN	df.x.loc[2:5] + df.y.loc[3:6] 2      NaN 3    106.0 4    108.0 5    110.0 6      NaN	df.loc[2:5, 'x'] + df.loc[3:6, 'y'] 同左
加法 （index不一致， 取values）	df.x[2:5].values + df.y[3:6].values array([105, 107, 109])	df.x.loc[2:5].values + df.y.loc[3:6].values array([105, 107, 109, 111])	df.loc[2:5, 'x'].values + df.loc[3:6, 'y'].values 同左
加法 （reset index）	df.x[2:5].reset_index(drop=True) + df.y[3:6].reset_index(drop=True) 0    105 1    107 2    109	df.x.loc[2:5].reset_index(drop=True) + df.y.loc[3:6].reset_index(drop=True) 0    105 1    107 2    109 3    111	df.loc[2:5, 'x'].reset_index(drop=True) + df.loc[3:6, 'y'].reset_index(drop=True) 同左
赋值 （index不一致）	df1 = df.copy() df1.x[2:5] = df1.y[3:6] df1      x    y 0    0  100 1    1  101 2  103  102 3  104  103 4  105  104 5    5  105 6    6  106 7    7  107 8    8  108 9    9  109 ！！！不会对应索引！！！	df1 = df.copy() df1.x.loc[2:5] = df1.y.loc[3:6] df1        x    y 0    0.0  100 1    1.0  101 2    NaN  102 3  103.0  103 4  104.0  104 5  105.0  105 6    6.0  106 7    7.0  107 8    8.0  108 9    9.0  109	df1 = df.copy() df1.loc[2:5,'x'] = df1.loc[3:6,'y'] df1 同左
赋值 （index不一致， 取values）	df1 = df.copy() df1.x[2:5] = df1.y[3:6].values df1      x    y 0    0  100 1    1  101 2  103  102 3  104  103 4  105  104 5    5  105 6    6  106 7    7  107 8    8  108 9    9  109	df1 = df.copy() df1.x.loc[2:5] = df1.y.loc[3:6].values df1      x    y 0    0  100 1    1  101 2  103  102 3  104  103 4  105  104 5  106  105 6    6  106 7    7  107 8    8  108 9    9  109	df1 = df.copy() df1.loc[2:5,'x'] = df1.loc[3:6,'y'].values df1 同左
赋值 （index不一致， reset index）	df1 = df.copy() df1.x[2:5] = df1.y[3:6].reset_index(drop=True) df1      x    y 0    0  100 1    1  101 2  103  102 3  104  103 4  105  104 5    5  105 6    6  106 7    7  107 8    8  108 9    9  109	df1 = df.copy() df1.x.loc[2:5] = df1.y.loc[3:6].reset_index(drop=True) df1        x    y 0    0.0  100 1    1.0  101 2  105.0  102 3  106.0  103 4    NaN  104 5    NaN  105 6    6.0  106 7    7.0  107 8    8.0  108 9    9.0  109 ！！！对应到0开头的索引！！！	df1 = df.copy() df1.loc[2:5,'x'] = df1.loc[3:6,'y'].reset_index(drop=True) df1 同左