Python | iloc和loc的区别

import pandas as pd

• 获取列 首先在pandas中我们想要获取一列，很简单，df[‘A’]

• 获取行 有loc和iloc的方法

• loc：works on labels in the index.(索引+列名)

• iloc：works on the positions in the index (so it only takes integers).（行号 从0开始）

1 生成DataFrame

df = pd.DataFrame(np.arange(0,60,2).reshape(10,3),columns=list('abc'))
# np.arange(0,60,2) 表示以2为步长从0走到60 按行来！
df

	a	b	c
0	0	2	4
1	6	8	10
2	12	14	16
3	18	20	22
4	24	26	28
5	30	32	34
6	36	38	40
7	42	44	46
8	48	50	52
9	54	56	58

2 取第a列

2.1 方法1

df.loc[:, 'a'] # 取第a列

0     0
1     6
2    12
3    18
4    24
5    30
6    36
7    42
8    48
9    54
Name: a, dtype: int64

2.2 方法2

df['a']

0     0
1     6
2    12
3    18
4    24
5    30
6    36
7    42
8    48
9    54
Name: a, dtype: int64

2.3 方法3

df.iloc[:, 0]

0     0
1     6
2    12
3    18
4    24
5    30
6    36
7    42
8    48
9    54
Name: a, dtype: int64

3 取倒数第一行的值

3.1 法1

df.iloc[-1] # 取倒数第一行的值

a    54
b    56
c    58
Name: 9, dtype: int64

df.iloc[2]

a    12
b    14
c    16
Name: 2, dtype: int64

df.iloc[-1,:] # 也可以直接用-1即可

a    54
b    56
c    58
Name: 9, dtype: int64

3.2 方法2

df.loc[df.index.max()]

a    54
b    56
c    58
Name: 9, dtype: int64

df.loc[df.index.max(), :]

a    54
b    56
c    58
Name: 9, dtype: int64

4 取第1行到第3行

df.iloc[1:4]

	a	b	c
1	6	8	10
2	12	14	16
3	18	20	22

5 取第2行第3列的值

5.1 方法1

df.loc[1, 'c']

10

5.2 方法2

df.iloc[1, 2]

10

6 总结

• 无论是iloc还是loc 均采用[]而不是括号
• 如果只是取行 建议用iloc 因为比较简单
• 如果列和行同时取 建议采用loc 因为可以直接定义到标签