df.at和df.iloc的差别

df.at和df.iloc是Pandas库中用于访问DataFrame中特定位置数据的两种方法。它们之间的主要差别在于使用的索引方式和访问数据的速度。

- df.at使用标签索引：它允许使用行和列的标签来访问DataFrame中的特定元素。例如，df.at[row_label, column_label]可以用来获取特定行和列对应的值。这种方式比较直观，但由于需要进行额外的标签查找，速度较慢。

- df.iloc使用整数索引：它允许使用行和列的整数位置来访问DataFrame中的特定元素。例如，df.iloc[row_index, column_index]可以用来获取特定行和列对应的值。这种方式比较快速，因为不需要进行额外的标签查找。

下面是一个示例，展示了如何使用df.at和df.iloc来访问DataFrame中的数据：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data, index=['x', 'y', 'z'])

# 使用df.at访问数据
value_at = df.at['x', 'A']
print("Value at 'x', 'A':", value_at)  # 输出: 1

# 使用df.iloc访问数据
value_iloc = df.iloc[0, 1]
print("Value at position (0, 1):", value_iloc)  # 输出: 4