Python pandas loc用法与iloc区别 聊聊Python pandas 中loc函数的使用,及跟iloc的区别说明

loc和iloc的意思

首先，loc是location的意思，和iloc中i的意思是指integer，所以它只接受整数作为参数，详情见下面。

loc和iloc的区别及用法展示

1.区别

loc works on labels in the index.
iloc works on the positions in the index (so it only takes integers).

2.用法展示

首先创建一个dataframe：

1）loc为Selection by Label函数，即为按标签取数据，标签是什么，就是上面的'0'~‘4', ‘A'~‘B'。

例如第一个参数选择index，第二个参数选择column，如下图：

建议写df.loc[0, :]，这样可以清楚的看出为第0行的所有记录，同样如果取第'A'列的所有记录，可以写df.loc[:, ‘A']，如下图：

:表示所有，[]里边为先行后列。

2）iloc函数为Selection by Position，即按位置选择数据，即第n行，第n列数据，只接受整型参数

记住，0:2为左闭右开区间，即取0，1，如下图：

若要取第一列的所有数据，则为df.iloc[:, 0]，记住不接受'A'作为参数，如下图：

补充：只需一个例子帮你搞清并记住python loc和iloc

帮你区分python loc和iloc

最基本的概念loc通常用于行标签和列标签，iloc通常直接用于行序号和列序号，具体举个例子帮助大家理解。

创建一个以abcd为索引，四行三列的Dataframe。

df = pd.DataFrame({'number':[10,20,30,20],
     '科目':['语文','数学','英语','化学'],
     '名称':['小米','华为','苹果','联想']},index=['a','b','c','d'])
print(df)

结果如图所示 ：

先来看loc：

print(df.loc['a':'c'])
print(df.loc[['a','c']])
print(df.loc[:'c'])

分别输出a行到c行；a行和c行；a行到c行。

如图所示：

还可以设置取出某几行某几列：

print(df.loc[:'c',['number','科目']])

结果如下图所示：取出a到c行的number和科目列。

如下图所示：

loc基本用法就这些。实际上iloc用法和loc差不多，但iloc不是直接取已有索引。而是默认索引就是1，2，3，4~~~

同样的我们用iloc做下上述操作。

print(df.iloc[0:3])
print(df.iloc[[0,2]])
print(df.iloc[:3])

结果同样如上图所示：

用iloc取出a到c行的number和科目列：

print(df.iloc[0:3,[0,1]])

结果如下图所示：

我相信读到这里大家应该就理解了它们的用法。最后再提醒大家一下，loc不管行还是列调用的都是Dataframe自身的行标签和列标签。

而iloc调用的是行[1，2，3，4~]，列[1，2，3，4]。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。