python 之 loc 与 iloc 的区别与使用

在DataFrame数据格式中，列名，行名为label，其所在的索引位置0，1，2，3，4 等数字为position。

通过 label,position我们可以定位元素，而部分函数只能使用label，部分函数只能使用position

loc 与 iloc 两个函数的主要区别为：

loc gets rows(or columns) with particular labels

iloc gets rows(or columns) with integer locations

下面通过例子具体记录一下两者的使用细节

#1 首先创建一个dataframe 用例

#1

#2 直接使用索引

#2.1 当我们直接对df进行索引时，它其实通过将其看作label索引来进行数据的筛选，所以方括号中需要写入的是你所需要的列的label，如果是position 则会报错

通过label标签组成的list进行多列数据的筛选

#2.2 另外，这里有一个特殊的点，当我们直接使用索引切片时，他采用的又是另一种方式：将索引内容看作row position去匹配相应的行

#2.3 可惜的是，直接索引并不能同时选中行列

#3 使用loc

#3.1 loc 使用label匹配的方式来筛选元素，下面有典型的筛选元素的例子

错误使用：在loc中使用position

选取label为10的数据行

通过切片选择第一行到label为30 的行

通过list加切片的方式筛选数据

通过布尔运算选择相应数据

# 4 使用iloc

#4.1 iloc 是通过position索引来筛选数据，其操作方式与loc类似，只不过将label换做position即可，不过这里有一点要注意的就是在iloc中使用布尔运算时有一点不同

iloc通过布尔运算选择相应数据

# 5 总结

还有一点需要注意的是：使用label进行切片时，取值区间为左闭右闭，使用position则是左闭右开

loc 与iloc 的使用其实还是很简单的，当我们需要只知道position或需要通过position来筛选数据时，我们就使用iloc，否则我们使用loc就好了，同时，如果两者都不想使用，想使用直接索引的话，请注意索引切片方式的不同