pandas 中loc与iloc的异同

pandas 中 loc 和 iloc 都是用来选取数据的方法，它们的主要区别在于索引方式不同。

loc 是通过标签来进行索引，比如选取某一行或某一列。例如，df.loc 表示选取索引为 1 的行，df.loc[:, 'A'] 表示选取 A 列的所有数据。

iloc 是通过位置来进行索引，比如选取第几行或第几列。例如，df.iloc 表示选取第二行的数据，df.iloc[:, 0] 表示选取第一列的所有数据。

除了索引方式不同，它们的语法也稍有不同。loc 用方括号 [ ] 来进行索引，iloc 用两个方括号 [ ][ ] 来进行索引。

相关问题

Pandas中loc和iloc函数用法详解

Pandas库中的`loc`和`iloc`是两个非常重要的用于数据定位和选取的功能，它们分别基于标签（label-based）和位置（position-based）的选择。

**loc**: 通过标签进行选择，适用于对行名（index）和列名（column names）进行操作。例如：

df.loc[row_indexer, column_indexer]

- `row_indexer`: 列表、布尔数组、标签名或切片，用于指定行。
- `column_indexer`: 类似于`row_indexer`，用于指定列。

**示例**：

# 选择索引为1和2的行，所有列
df.loc[1:3, :]

# 选择名为'Age'和'Salary'的两列
df.loc[:, ['Age', 'Salary']]

**iloc**: 通过位置进行选择，从0开始计数，适用于整数索引来获取数据。例如：

df.iloc[loc]

- `loc`: 二维数组，包含行和列的整数索引。

**示例**：

# 选择第1行到第3行，第0列到第2列的数据
df.iloc[0:3, 0:3]

# 直接通过位置获取单个元素
df.iloc[5, 4]  # 获取第6行，第5列的值

pandas中loc和iloc的区别，举例说明

pandas中的`loc`和`iloc`都是用于根据行和列的标签或位置来选择数据的方法，但它们之间有一些不同之处。

- `loc`使用标签来选择行和列。它可以通过标签选择行和列的子集，也可以基于布尔条件选择行和列的子集。

- `iloc`使用整数位置来选择行和列。它可以通过整数位置选择行和列的子集，也可以基于布尔条件选择行和列的子集。

举个例子：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])

# 使用loc选择行和列
print(df.loc['a', 'A'])  # 1
print(df.loc[['a', 'c'], ['A', 'C']])  #      A  C
                                       # a  1  7
                                       # c  3  9
print(df.loc[df['B'] > 4, 'B'])  # b    5
                                 # c    6
                                 # Name: B, dtype: int64

# 使用iloc选择行和列
print(df.iloc[0, 0])  # 1
print(df.iloc[[0, 2], [0, 2]])  #      A  C
                                 # a  1  7
                                 # c  3  9
print(df.iloc[df['B'] > 4, 1])  # b    5
                                 # c    6
                                 # Name: B, dtype: int64

在上面的例子中，我们可以看到`loc`和`iloc`的使用方法和语法非常相似，但是它们的选择方式不同，`loc`使用标签，`iloc`使用整数位置。