您的位置:首页 > 新闻 > 资讯 > pandas中loc和iloc的区别

pandas中loc和iloc的区别

2024/12/25 14:40:25 来源:https://blog.csdn.net/weixin_44145338/article/details/142214518  浏览:    关键词:pandas中loc和iloc的区别

在 Pandas 中,lociloc 是用于选择和过滤数据的两种主要方法,它们的区别在于使用的索引类型。

1. loc:基于标签索引

  • loc 是基于行或列的标签(label)来选择数据。它可以按行或列的名称来访问数据,也可以通过布尔索引选择。
  • 支持的索引类型:行标签、列标签、布尔索引。
  • 语法DataFrame.loc[row_indexer, column_indexer]

示例

import pandas as pd# 创建示例数据
df = pd.DataFrame({'A': [1, 2, 3, 4],'B': [5, 6, 7, 8],'C': [9, 10, 11, 12]
}, index=['a', 'b', 'c', 'd'])# 使用 loc 基于行标签选择
print(df.loc['a'])  # 选择标签为 'a' 的行

输出

A    1
B    5
C    9
Name: a, dtype: int64
loc 示例用法:
  • 选择行和列:使用行和列标签选择特定的元素或切片。
df.loc['b', 'A']  # 选择标签为 'b' 的行,'A' 列的元素
  • 选择多个行或列
df.loc[['a', 'b'], ['A', 'B']]  # 选择 'a' 和 'b' 行的 'A' 和 'B' 列
  • 布尔索引
df.loc[df['A'] > 2]  # 选择 'A' 列中大于 2 的行

2. iloc:基于整数位置索引

  • iloc 是基于行或列的整数位置(即位置编号)来选择数据。它的工作方式类似于 NumPy 的数组索引方式。
  • 支持的索引类型:整数位置。
  • 语法DataFrame.iloc[row_indexer, column_indexer]

示例

# 使用 iloc 基于位置选择
print(df.iloc[0])  # 选择位置为 0 的行

输出

A    1
B    5
C    9
Name: a, dtype: int64
iloc 示例用法:
  • 选择单个元素
df.iloc[1, 0]  # 选择位置为 (1, 0) 的元素
  • 选择多个行或列
df.iloc[0:2, 0:2]  # 选择前两行和前两列

区别总结

特性loc(基于标签)iloc(基于位置)
索引类型行/列的标签(可以是字符串、日期等)行/列的整数位置
支持的索引标签索引、布尔索引整数位置索引
示例df.loc['a']df.iloc[0]
切片标签的范围包含最后一个索引(闭区间)索引的范围不包含最后一个位置(开区间)

具体场景:

  • loc 更适合当你知道数据的标签(比如行名、列名)时,可以进行精确或基于条件的访问。
  • iloc 更适合当你按数据的具体位置(比如第几行、第几列)进行访问时。

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com