.loc 和普通的索引方式（直接使用方括号 []）

在 Pandas 中，.loc 和普通的索引方式（直接使用方括号 []）有一些重要的区别和用法建议：

1. .loc 的作用：

   • .loc 是一种用于基于标签进行选择和索引的方法。它主要用于通过行标签和列标签来选择数据。例如，df.loc[row_labels, column_labels] 可以用来选择特定行和列的数据。

2. 普通索引方式（[]）：

   • 普通的索引方式在 Pandas 中通常用于基于位置的索引，或者在一些简单的情况下用来选择数据。例如，df[column_name] 可以用来选择特定的列，df[condition] 可以用来选择符合条件的行。

区别和使用建议：

• .loc vs 普通索引：

  • 使用 .loc 时，需要明确指定行和列的标签。这种方法更加明确和安全，特别是在处理索引具有重复值或者是多层索引的情况下。它可以避免因为数据结构的复杂性而引入的错误。

  • 普通的索引方式（[]）在一些简单的情况下更为方便和直观，尤其是在确定索引值是唯一的，或者需要复杂的切片或多层索引的支持时。

例如：

• single_sku_df = df[df["sku_num"].isin([1, "1"])] 和 single_sku_df = df.loc[df["sku_num"].isin([1, "1"])] 在大多数情况下会有相同的效果，因为 isin() 方法返回一个布尔数组，可以用于筛选行。

• 选择使用 .loc 的情况：

  • 当需要同时选择行和列，并且你的行或列具有复杂的索引结构时，推荐使用 .loc。例如，当行或列索引是日期、多层索引、或者具有重复值时，.loc 可以提供更精确和安全的选择方法。

• 普通索引方式的使用：

  • 在简单的索引操作时，使用普通的索引方式可能更加简洁和直观，特别是当你只需要选择列或者根据简单条件选择行时。

综上所述，.loc 提供了更精确和安全的数据选择方式，特别适合复杂的数据结构。普通的索引方式则更适合简单和直接的数据选择操作。