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1 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2 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3 天前
Python 处理 Excel 数据 pandas 和 openpyxl 哪家强?
python·pandas
好开心啊没烦恼4 天前
Python 数据分析:numpy,抽提,整数数组索引与基本索引扩展(元组传参)。听故事学知识点怎么这么容易?
开发语言·人工智能·python·数据挖掘·数据分析·numpy·pandas
旷世奇才李先生5 天前
Pandas 安装使用教程
pandas
卜及中16 天前
【Python】数据处理工具:Pandas详细指南
开发语言·python·学习·pandas
NLxxxxX16 天前
爬虫获取数据:selenium的应用
开发语言·爬虫·python·selenium·测试工具·numpy·pandas
猫头虎16 天前
2025最新Python 100个常用函数在线体验项目
android·java·python·pycharm·django·pandas·pip
闯闯桑17 天前
Pyspark中的int
大数据·python·spark·pandas
蓝婷儿17 天前
Python 数据分析与可视化 Day 3 - Pandas 数据筛选与排序操作
python·数据分析·pandas