pandas的iloc和loc的区别

pandas中的iloc和loc都是用于选取数据的方法，但它们的使用方式有所不同。

iloc是通过行号和列号来选取数据的，可以使用整数、整数列表或者布尔数组作为参数。例如，df.iloc表示选取第一行数据，df.iloc[:, 0]表示选取第一列数据。

loc则是通过行标签和列标签来选取数据的，可以使用标签名、标签列表或者布尔数组作为参数。例如，df.loc表示选取行标签为0的数据，df.loc[:, 'A']表示选取列标签为'A'的数据。

相关问题

pandas中iloc与loc的区别

在pandas库中，`loc` 和 `iloc` 是两个用于访问和操作DataFrame的重要功能，它们的主要区别在于选择元素的方式：

1. **loc**（location-based indexing）[^1]:
- 它基于标签（label-based），即通过列名或行索引来定位元素。
- 使用方式：`df.loc[row_indexer, column_indexer]`。如果仅有一个参数，可以指定行，如`df.loc['row_name']`；如果只有一个索引器，可以指定列，如`df.loc[:, 'column_name']`。

2. **iloc**（integer-based indexing）:
- 它基于位置（position-based），即直接使用整数索引来选取元素，从0开始计数。
- 使用方式：`df.iloc[row_indexer, column_indexer]`。同样，可以单独传入行或列的索引，如`df.iloc[0]` 或 `df.iloc[:, 1]`。

举例来说，假设我们有如下DataFrame：

import pandas as pd
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data)

- 使用`loc`选取特定行和列：

print(df.loc[1, 'B'])  # 输出：5，因为索引1对应第二行，'B'列的值

- 使用`iloc`选取第2行第2列：

print(df.iloc[1, 1])  # 输出：5，因为位置(1, 1)对应第二行第二列

pandas的iloc、loc、.at、.iat区别

Pandas库中的`loc`、`iloc`、`.at`和`.iat`用于数据框（DataFrame）的索引操作，它们之间的主要区别在于所使用的索引类型：

1. **loc** (label-based indexing): 这种方式基于标签（即行和列的名字）。当你想要根据行名或列名选择数据时，应该使用`loc`。例如，要选取所有姓‘张’的学生的成绩：

   df.loc[df['姓名'] == '张三', '成绩']

2. **iloc** (integer-location based indexing): 这是基于位置的索引，使用的是整数下标。它适用于直接通过数字来访问行和列。比如，选取前两行的所有数据：

   df.iloc[:2, :]

注意，这里的冒号表示从开始到结束，包括开头但不包括结尾。

3. **.at** 和 **.iat**: 这两个方法主要用于单元素的定位。`.at`用于精确匹配，如果列名存在重复，则会引发错误；而`.iat`则使用整数下标，不会检查名称是否存在。例如，获取张三的成绩（假设列名无重复）：

   df.at[df.index.get_loc('张三'), '成绩']

或者使用`.iat`：

   df.iat[df.columns.get_loc('成绩'), df.index.get_loc('张三')]