python中dataframe的iloc和loc的使用区别

本文主要是介绍python中dataframe的iloc和loc的使用区别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

.iloc 和 .loc 的基本用法

.iloc

• 用于通过位置（整数位置）来选择数据。
• iloc 索引基于行和列的整数位置。

常用语法

• data.iloc[i, j]：选择第 i 行第 j 列的元素，若索引下标从0开始，对应的是第 i+1 行第 j+1 列的元素。
• data.iloc[i, :]：选择第 i 行的所有列，若索引下标从0开始，对应的是第 i+1 行所有列的元素。
• data.iloc[:, j]：选择所有行的第 j 列，若索引下标从0开始，对应的是所有行第 j+1 列的元素。
• data.iloc[i:j, k:l]：==选择从第 i 行到第 j 行（不包括第 j 行）和从第 k 列到第 l 列（不包括第 l 列）的数据。左闭右开区间的选择，若索引下标从0开始，对应的是第 i+1 行到第 j+1 行（不包括第 j+1 行）和从第 k+1 列到第 l+1 列（不包括第 l+1 列）的数据

.loc

• 用于通过标签（行和列的标签名）来选择数据。
• loc 索引基于行和列的标签。

常用语法：

• data.loc[row_label, col_label]：选择指定行标签和列标签的数据。
• data.loc[row_label, :]：选择指定行标签的所有列。
• data.loc[:, col_label]：选择所有行的指定列标签。
• data.loc[row_labels, col_labels]：选择多个行标签和列标签的数据。

示例代码和解释

首先，创建一个示例 DataFrame：index表示的是行索引，columns是列索引

import pandas as pd# 创建一个示例 DataFrame
data = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
}, index=['row1', 'row2', 'row3'])print(data)

输出：

       A  B  C
row1  1  4  7
row2  2  5  8
row3  3  6  9

使用 .iloc

1. 选择特定元素：索引下标都是从0开始

   element = data.iloc[1, 2]
   print(element)
   

   输出：

   8
   

   选择第二行第三列的元素（位置索引是从0开始的）。

2. 选择特定行：

   row_data = data.iloc[1, :]
   print(row_data)
   

   输出：

   A    2
   B    5
   C    8
   Name: row2, dtype: int64
   

   选择第二行的所有列数据。也就是第二行的所有数据

3. 选择特定列：

   col_data = data.iloc[:, 1]
   print(col_data)
   

   输出：

   row1    4
   row2    5
   row3    6
   Name: B, dtype: int64
   

   选择所有行的第二列数据。

4. 选择行和列的范围：

   subset = data.iloc[0:2, 1:3]
   print(subset)
   

   输出：

         B  C
   row1  4  7
   row2  5  8
   

   选择第一行到第二行（不包括第三行）和第二列到第三列（不包括第四列）的数据。

使用 .loc

1. 选择特定元素：

   element = data.loc['row2', 'C']
   print(element)
   

   输出：

   8
   

   选择行标签为 row2 和列标签为 C 的元素。

2. 选择特定行：

   row_data = data.loc['row2', :]
   print(row_data)
   

   输出：

   A    2
   B    5
   C    8
   Name: row2, dtype: int64
   

   选择行标签为 row2 的所有列数据。

3. 选择特定列：

   col_data = data.loc[:, 'B']
   print(col_data)
   

   输出：

   row1    4
   row2    5
   row3    6
   Name: B, dtype: int64
   

   选择所有行的列标签为 B 的数据。

4. 选择行和列的范围：

   subset = data.loc['row1':'row2', 'B':'C']
   print(subset)
   

   输出：

         B  C
   row1  4  7
   row2  5  8
   

   选择从 row1 到 row2 行（包括row2）和从 B 列到 C 列的数据（包括 C）。

总结

• .iloc 使用整数位置索引来选择数据，适合基于位置的操作。
• .loc 使用标签来选择数据，适合基于标签的操作。

这篇关于python中dataframe的iloc和loc的使用区别的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---