dataframe变量，对比loc/iloc方法，at/iat方法有何不同之处？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

访问dataframe变量的内部成员的时候，可以使用.loc[]和.iloc[]两个方法，这两个方法都可以设置获取一行或者一列或者某个具体位置的成员。然而，还有另外一对方法.at[]和.iat[]，和.loc[]/iloc[]十分类似。也可以用来定位dataframe变量的一些成员。

苏南大叔的“程序如此灵动”博客，拒绝文章批量复制抄袭。本文测试环境：win10，python@3.11.0，numpy@1.24.2，pandas@1.5.3。本文探讨dataframe如何利用.at[]和.iat[]定位元素。

dataframe的.loc[]和.iloc[]

dataframe变量的.loc[]和.iloc[]两个方法，在前面的文章里面有过描述：

• https://newsn.net/say/dataframe-loc.html

总的思路就是：

• .loc[]，使用被定义的便签信息，可以使用:来定位一组数据。
• .iloc[]，使用原始的数字索引，也可以使用:来定位一组数据。

测试代码：

import pandas as pd
df = pd.DataFrame([
    ('虎子', "狗"),
    ('老许', "猫"),
    ('二赖子', "狗")],
    index=["a0", "a1", "a2"],
    columns=("姓名", "种类")
)
print(df)

df.loc['a0', '种类'] = "狐狸狗"
df.iloc[2, 1] = "胖狗"
print(df)

df.loc[:, '种类'] = "宠物"
df.iloc[0:1, 1] = "可爱宠物"
print(df)

输出：

     姓名 种类
a0   虎子  狗
a1   老许  猫
a2  二赖子  狗

     姓名   种类
a0   虎子  狐狸狗
a1   老许    猫
a2  二赖子   胖狗

     姓名    种类
a0   虎子  可爱宠物
a1   老许    宠物
a2  二赖子    宠物

dataframe的.at[]和.iat[]

dataframe变量的.at[]和.iat[]两个方法，基本上是类似.loc[]和.iloc[]两个方法的。

• .at[]，使用被定义的便签信息，可以使用:来定位一组数据。
• .iat[]，使用原始的数字索引，但是【不可以使用:】来定位一组数据。

参考代码：

import pandas as pd
df = pd.DataFrame([
    ('虎子', "狗"),
    ('老许', "猫"),
    ('二赖子', "狗")],
    index=["a0", "a1", "a2"],
    columns=("姓名", "种类")
)
print(df)

df.at['a0', '种类'] = "狐狸狗"
df.iat[2, 1] = "胖狗"
print(df)

df.at[:, '种类'] = "宠物"
df.iat[0:1, 1] = "可爱宠物"  # 报错
# df.iat[0, 1] = "可爱宠物"
print(df)

输出：

     姓名 种类
a0   虎子  狗
a1   老许  猫
a2  二赖子  狗

     姓名   种类
a0   虎子  狐狸狗
a1   老许    猫
a2  二赖子   胖狗

     姓名    种类
a0   虎子  可爱宠物
a1   老许    宠物
a2  二赖子    宠物

.at[]只能设置一组，不能读取一组

.at[]方法挺邪门的，

• 可以用于设置或读取某个具体位置的成员。
• 也能【设置】成组数据，但是试图【读取成组数据】的时候，就会报错了。

测试代码：

import pandas as pd
df = pd.DataFrame([
    ('虎子', "狗"),
    ('老许', "猫"),
    ('二赖子', "狗")],
    index=["a0", "a1", "a2"],
    columns=("姓名", "种类")
)
df.at['a0', '种类'] = "狐狸狗"
print(df.at['a0', '种类'])

df.at[:, '种类'] = "宠物"
print(df)
print(df.at[:, '种类'])   # TypeError: 'slice(None, None, None)' is an invalid key

报错信息如下：

TypeError: 'slice(None, None, None)' is an invalid key

需要特别声明的是：与此同时，.at[]是可以使用:操作符的，这是和网上其它的教程不一样的地方。

如果说.iat[]和.iloc[]有着很明显的差异（是否可以选择一组数据），那么.at[]和.loc[]也可以用于获取多个数据（例如一列和一行），那么，.at[]和.loc[]难道是等同的函数？测试代码：

import pandas as pd
df = pd.DataFrame([
    ('虎子', "狗")],
    index=["a0"],
    columns=("姓名", "种类")
)
df1 = df.copy()

df.loc[:, 1] = "胖狗loc"   # 注意这个是loc，不是iloc，实际上使用了不存在的列名1
print(df)
print(df1.loc["a0", "种类"])
print(df.loc[:, 1])       # loc能设置能读取，虽然设置错了吧

df1.at[:, 1] = "胖狗at"    # 注意这个是at，不是iat，实际上使用了不存在的列名1
print(df1.at["a0", "种类"])
# print(df1.at[:, 1])     # 这里报错，at只能设置不能读取，而且设置错了，和loc一样

可见，两者还是有细微区别的，区别就在于.at[]+冒号的组合，不能读取，只能设置。

.iat[]不能定位一组数据

.iat[]，里面不能使用:操作符，也就是说不能定位到多条数据，只能定位到某个具体的值。

测试代码：

import pandas as pd
df = pd.DataFrame([
    ('虎子', "狗"),
    ('老许', "猫"),
    ('二赖子', "狗")],
    index=["a0", "a1", "a2"],
    columns=("姓名", "种类")
)
df.iat[2, 1] = "胖狗"
print(df)

df.iat[0:1, 1] = "可爱宠物"  # 报错
print(df)

试图使用:操作符的，会得到下面的错误提示信息：

ValueError: iAt based indexing can only have integer indexers

表格对比总结

既生瑜何生亮，既然loc[]和iloc[]非常好用，为啥还做一个看起来一样的.at[]和iat[]方法呢？况且这个.at[]和iat[]明显不如loc[]和iloc[]好用。个人建议，还是老老实实的使用.loc[]或者.iloc[]比较好。

结束语

大家对待这个.at[]和.iat[]方法，有什么独特的见解么？欢迎留言。

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。