python中dataframe的iloc和loc的使用区别
文章目录
- `.iloc` 和 `.loc` 的基本用法
- `.iloc`
- `.loc`
- 示例代码和解释
- 使用 `.iloc`
- 使用 `.loc`
- 总结
.iloc 和 .loc 的基本用法
.iloc
- 用于通过位置（整数位置）来选择数据。
iloc索引基于行和列的整数位置。
常用语法
data.iloc[i, j]：选择第i行第j列的元素，若索引下标从0开始，对应的是第i+1行第j+1列的元素。data.iloc[i, :]：选择第i行的所有列，若索引下标从0开始，对应的是第i+1行所有列的元素。data.iloc[:, j]：选择所有行的第j列，若索引下标从0开始，对应的是所有行第j+1列的元素。data.iloc[i:j, k:l]：==选择从第i行到第j行（不包括第j行）和从第k列到第l列（不包括第l列）的数据。左闭右开区间的选择，若索引下标从0开始，对应的是第i+1行到第j+1行（不包括第j+1行）和从第k+1列到第l+1列（不包括第l+1列）的数据
.loc
- 用于通过标签（行和列的标签名）来选择数据。
loc索引基于行和列的标签。
常用语法：
data.loc[row_label, col_label]：选择指定行标签和列标签的数据。data.loc[row_label, :]：选择指定行标签的所有列。data.loc[:, col_label]：选择所有行的指定列标签。data.loc[row_labels, col_labels]：选择多个行标签和列标签的数据。
示例代码和解释
首先，创建一个示例 DataFrame：index表示的是行索引，columns是列索引
import pandas as pd# 创建一个示例 DataFrame
data = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
}, index=['row1', 'row2', 'row3'])print(data)
输出：
A B C
row1 1 4 7
row2 2 5 8
row3 3 6 9
使用 .iloc
-
选择特定元素：索引下标都是从0开始
element = data.iloc[1, 2] print(element)输出：
8选择第二行第三列的元素（位置索引是从0开始的）。
-
选择特定行：
row_data = data.iloc[1, :] print(row_data)输出：
A 2 B 5 C 8 Name: row2, dtype: int64选择第二行的所有列数据。也就是第二行的所有数据
-
选择特定列：
col_data = data.iloc[:, 1] print(col_data)输出：
row1 4 row2 5 row3 6 Name: B, dtype: int64选择所有行的第二列数据。
-
选择行和列的范围：
subset = data.iloc[0:2, 1:3] print(subset)输出：
B C row1 4 7 row2 5 8选择第一行到第二行（不包括第三行）和第二列到第三列（不包括第四列）的数据。
使用 .loc
-
选择特定元素：
element = data.loc['row2', 'C'] print(element)输出：
8选择行标签为
row2和列标签为C的元素。 -
选择特定行：
row_data = data.loc['row2', :] print(row_data)输出：
A 2 B 5 C 8 Name: row2, dtype: int64选择行标签为
row2的所有列数据。 -
选择特定列：
col_data = data.loc[:, 'B'] print(col_data)输出：
row1 4 row2 5 row3 6 Name: B, dtype: int64选择所有行的列标签为
B的数据。 -
选择行和列的范围：
subset = data.loc['row1':'row2', 'B':'C'] print(subset)输出：
B C row1 4 7 row2 5 8选择从
row1到row2行（包括row2）和从B列到C列的数据（包括C）。
总结
.iloc使用整数位置索引来选择数据，适合基于位置的操作。.loc使用标签来选择数据，适合基于标签的操作。