pandas中loc和iloc的区别

在 Pandas 中,lociloc 是用于选择和过滤数据的两种主要方法,它们的区别在于使用的索引类型。

1. loc:基于标签索引

  • loc 是基于行或列的标签(label)来选择数据。它可以按行或列的名称来访问数据,也可以通过布尔索引选择。
  • 支持的索引类型:行标签、列标签、布尔索引。
  • 语法DataFrame.loc[row_indexer, column_indexer]

示例

python 复制代码
import pandas as pd

# 创建示例数据
df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
}, index=['a', 'b', 'c', 'd'])

# 使用 loc 基于行标签选择
print(df.loc['a'])  # 选择标签为 'a' 的行

输出

复制代码
A    1
B    5
C    9
Name: a, dtype: int64
loc 示例用法:
  • 选择行和列:使用行和列标签选择特定的元素或切片。
python 复制代码
df.loc['b', 'A']  # 选择标签为 'b' 的行,'A' 列的元素
  • 选择多个行或列
python 复制代码
df.loc[['a', 'b'], ['A', 'B']]  # 选择 'a' 和 'b' 行的 'A' 和 'B' 列
  • 布尔索引
python 复制代码
df.loc[df['A'] > 2]  # 选择 'A' 列中大于 2 的行

2. iloc:基于整数位置索引

  • iloc 是基于行或列的整数位置(即位置编号)来选择数据。它的工作方式类似于 NumPy 的数组索引方式。
  • 支持的索引类型:整数位置。
  • 语法DataFrame.iloc[row_indexer, column_indexer]

示例

python 复制代码
# 使用 iloc 基于位置选择
print(df.iloc[0])  # 选择位置为 0 的行

输出

复制代码
A    1
B    5
C    9
Name: a, dtype: int64
iloc 示例用法:
  • 选择单个元素
python 复制代码
df.iloc[1, 0]  # 选择位置为 (1, 0) 的元素
  • 选择多个行或列
python 复制代码
df.iloc[0:2, 0:2]  # 选择前两行和前两列

区别总结

特性 loc(基于标签) iloc(基于位置)
索引类型 行/列的标签(可以是字符串、日期等) 行/列的整数位置
支持的索引 标签索引、布尔索引 整数位置索引
示例 df.loc['a'] df.iloc[0]
切片 标签的范围包含最后一个索引(闭区间) 索引的范围不包含最后一个位置(开区间)

具体场景:

  • loc 更适合当你知道数据的标签(比如行名、列名)时,可以进行精确或基于条件的访问。
  • iloc 更适合当你按数据的具体位置(比如第几行、第几列)进行访问时。
相关推荐
超龄超能程序猿2 天前
(5)机器学习小白入门 YOLOv:数据需求与图像不足应对策略
人工智能·python·机器学习·numpy·pandas·scipy
李昊哲小课3 天前
pandas销售数据分析
人工智能·python·数据挖掘·数据分析·pandas
袁袁袁袁满4 天前
利用Pandas进行条件替换与向前填充
pandas·条件替换·向前填充
Deng9452013144 天前
基于Python的旅游数据可视化应用
python·numpy·pandas·旅游·数据可视化技术
liuweidong08025 天前
【Pandas】pandas DataFrame from_records
pandas
大数据魔法师6 天前
基于Pandas和FineBI的昆明职位数据分析与可视化实现(五) - 基于随机森林算法预测职位分类
算法·pandas
Chasing__Dreams7 天前
python--杂识--18.1--pandas数据插入sqlite并进行查询
python·sqlite·pandas
超龄超能程序猿8 天前
(3)机器学习小白入门 YOLOv: 解锁图片分类新技能
python·numpy·pandas·scipy
好开心啊没烦恼9 天前
Python 数据分析:计算,分组统计1,df.groupby()。听故事学知识点怎么这么容易?
开发语言·python·数据挖掘·数据分析·pandas
大虫小呓10 天前
Python 处理 Excel 数据 pandas 和 openpyxl 哪家强?
python·pandas