Diferencia entre at y loc en Pandas

En Pandas existen dos opciones para seleccionar los elementos de un DataFrame: at y loc. Aparentemente las dos alternativas hacen lo mismo, pero no es así. Existe una sutil diferencia entre at y loc en Pandas que se debe tener en cuenta a la hora de elegir una u otra opción.

La diferencia entre at y loc en Pandas

La sutil diferencia que existe entre los dos métodos es la siguiente:

• at: solamente puede seleccionar un único elemento del conjunto de datos, esto es, solamente se pueden indicar una fila y columna.
• loc: permite seleccionar un subconjunto del conjunto de datos con varias filas y columnas.

El uso de at

El método at solamente puede seleccionar un único elemento del conjunto de datos, indicando para ello entre corchetes la fila y columna a seleccionar. Esta selección se puede usar tanto para seleccionar el valor como para modificar el contenido de este.

Por ejemplo, en el siguiente conjunto de datos que representa la clasificación de una serie de equipos se puede ver cómo seleccionar un elemento en particular con at

import pandas as pd

df = pd.DataFrame({'equipo': ['EquipoA', 'EquipoB', 'EquipoC', 'EquipoD',
                              'EquipoE', 'EquipoF', 'EquipoG', 'EquipoH'],
                   'puntos': [24, 18, 20, 15, 14, 11, 22, 30],
                   'goles_anotados': [10, 15, 12, 8, 14, 10, 18, 25],
                   'goles_encajados': [8, 12, 10, 15, 18, 16, 14, 12]})

print(df.loc[1, 'puntos'])

18

Lo que también se puede emplear para modificar el contenido de la tabla, simplemente asignando un valor a la selección.

# Actulizar el contenido de la celda
df.loc[1, 'puntos'] = 21

    equipo  puntos  goles_anotados  goles_encajados
0  EquipoA      24              10                8
1  EquipoB      21              15               12
2  EquipoC      20              12               10
3  EquipoD      15               8               15
4  EquipoE      14              14               18
5  EquipoF      11              10               16
6  EquipoG      22              18               14
7  EquipoH      30              25               12

Pero no es posible seleccionar más de un elemento, ni un rango de filas ni columnas. Si se intenta seleccionar un rango el intérprete de Python devolverá un error.

El uso de loc en Pandas

A diferencia de at, el método loc permite acceder y modificar un grupo de celdas del conjunto de datos a la vez. Permitiendo trabajar sobre el subconjunto a la vez. Por ejemplo, con el siguiente código se puede acceder a los puntos y goles de los tres primeros registros del conjunto de datos.

# Selección de los puntos y goles anotados de los tres primeros
df.loc[:3, ['puntos', 'goles_anotados']]

   puntos  goles_anotados
0      24              10
1      21              15
2      20              12
3      15               8

Aunque también se puede seleccionar solamente uno como en el caso anterior

df.at[1, 'puntos']

21

Conclusiones

En esta entrada se puede ver que la principal diferencia entre at y loc, y el motivo por el que existen ambas, es:

• at se utiliza específicamente para acceder o modificar un solo valor, y es más eficiente en este caso ya que está optimizado para la obtención de un solo dato.
• loc es más versátil, ya que puede seleccionar tanto filas como columnas, y también puede realizar selecciones condicionales.

Por lo que se puede concluir que, mientras loc es más la opción más versátil, at es la más eficiente. Por lo que si solamente se necesita acceder a un valor del conjunto de datos la opción a usar debería ser at. Mientras que loc (o su versión que usa índices iloc) sería la opción para usar en el resto de las situaciones.

Imagen de Brigitte Werner en Pixabay