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

相关问题

python dataframe loc函数_python pandas.DataFrame.iloc函数使用详解

当然，我非常乐意为您提供有关 Python pandas.DataFrame.iloc 函数的使用详解。pandas.DataFrame.iloc 函数用于按位置选择行和列，它的语法格式如下：

df.iloc[row_indexer,column_indexer]

其中，row_indexer 是行的位置或行的布尔条件，column_indexer 是列的位置或列的布尔条件。row_indexer 和 column_indexer 都可以是单个位置、位置列表、位置切片或布尔条件。

下面是一些具体的使用方法：

1. 使用单个位置选择行和列：

df.iloc[0, 0]

2. 使用位置列表选择行和列：

df.iloc[[0, 2], [1, 3]]

3. 使用位置切片选择行和列：

df.iloc[0:3, 1:3]

4. 使用布尔条件选择行和列：

df.iloc[df['column_label'] > 10, [0, 2]]

5. 使用函数选择行和列：

df.iloc[lambda df: df.index % 2 == 0, [1, 3]]

除了以上的使用方法外，pandas.DataFrame.iloc 函数还支持一些其他的参数，如 axis、level、sort、na_rep 等。这些参数可以根据具体的需求进行选择和设置。

希望这些内容能够对您有所帮助，如果您还有其他的问题，可以随时向我提问。