pandas中loc和iloc的区别

在 Pandas 中，loc 和 iloc 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。