pandas中iloc和loc的用法和区别

在Pandas中,loc 和 iloc 都是用于数据选择的方法,它们是 DataFrame 和 Series 对象的索引选项。主要的区别在于它们索引数据的方式:

loc

  • loc 是基于标签的索引,意味着它使用数据的标签信息来进行数据选择。

  • 你可以使用行标签(索引名)和列名来选择数据。

  • 它也可以用于通过布尔数组进行筛选。

  • 使用 loc 时,你可以得到的切片包括开始和结束标签。

示例:

python 复制代码
df.loc[0, 'column_name']  # 返回行索引为0,列名为'column_name'的单个元素
df.loc[0:5, 'column_name']  # 返回行索引从0到5(包括5),列名为'column_name'的切片
df.loc[df['column_name'] > 10, 'column_name']  # 布尔索引,返回'column_name'列中大于10的行

iloc

  • iloc 是基于位置的索引,意味着它使用整数索引来进行数据选择。
  • 你只能使用整数索引来指定你想要的行和列。
  • iloc 在选择数据时不包括结束索引。

示例:

python 复制代码
df.iloc[0, 1]  # 返回第0行第1列的单个元素(注意这里是基于0的索引)
df.iloc[0:5, 1]  # 返回第0行到第4行(不包括第5行),第1列的切片

在实践中,loc 更适合当你知道具体的行标签或列名时使用,而 iloc 更适合你只知道行或列的位置索引时使用。在处理有具体行索引或列索引名的DataFrame时,通常更倾向于使用 loc,因为它使代码更容易理解。当你需要基于位置进行纯粹的基于位置的索引时,比如选择第n行或第n列,不管它们的标签是什么,使用 iloc 更方便。需要注意的是,如果行标签恰好也是整数,这可能会导致一些混淆,因为 loc 和 iloc 可能会返回不同的结果。这时,清晰地知道何时使用基于标签的索引(loc)和何时使用基于位置的索引(iloc)非常重要。

相关推荐
2601_967979121 天前
pandas重塑层次化索引(stack()和unstack()函数解析)
pandas·重塑·层次化索引·stack()·unstack()
郝学胜-神的一滴2 天前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
弈栈录2 天前
时间序列分析:按日、周、月进行趋势统计
数据分析·pandas
linweidong6 天前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
benchmark_cc6 天前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc10 天前
用 QuantDash 读取单只股票五档盘口:抽样、缺失值检查与复现记录
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc13 天前
单只股票五档盘口接入个人研究仓库:QuantDash 读取、校验与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc14 天前
用 QuantDash 读取美股行情:AAPL.US 的运行前检查、排错顺序与数据校验清单
python·数据分析·pandas·量化交易·股票数据·quantdash
databook17 天前
经常听到的透视表是干什么的?
python·数据分析·pandas
benchmark_cc18 天前
A 股、港股、美股如何建立统一的标的主数据格式?
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash