pandas loc与iloc用法及区别

共同点

两者都接收两个参数，第一个参数是行的范围，第二个参数是列的范围

不同点

• loc函数接收的是行/列的名称，iloc函数接收的是行/列的下标（从0开始）

• loc函数在切片时是按闭区间切片的，也就是区间两边都能取到，iloc函数则是按传统的左闭右开的方式切片的

图解：

详细用法

用于展示用法的数据data如下：

loc函数参数类型

单个行名/列名 或 行名/列名的列表

print(data.loc['Chris']) # 等价于data.loc['Chris', :]

输出：

注意上面这种写法返回的是pandas.core.series.Series对象，如果要pandas.core.frame.DataFrame对象可以改成data.loc[['Chris']]

print(data.loc[['Alice', 'David', 'Ellen'], ['Physics', 'Chemistry']])

输出：

列名/行名的切片

print(data.loc['Alice': 'Ellen', 'Math': 'English'])

输出：

布尔型列表（注意长度需要和行数/列数保持一致）

print(data.loc[[False, True, False, False, True, True], [True, False, False, True, True, True]])

输出：

可以返回布尔型列表的表达式（判断或函数）

print(data.loc[data['Chinese'] > 100, 'Chinese'])

输出：

同样的，这种写法返回的是pandas.core.series.Series对象，如果要pandas.core.frame.DataFrame对象可以改成data.loc[data['Chinese'] > 100, ['Chinese']]

print(data.loc[lambda x: x['English'] < 100])

输出：

iloc函数参数类型

单个下标 或 若干下标构成的列表

print(data.iloc[3]) # 等价于print(data.iloc[3, :])

输出：

这种写法返回的是pandas.core.series.Series对象，如果要pandas.core.frame.DataFrame对象可以改成data.iloc[[3]]

print(data.iloc[[1, 2, 4], [2, 4, 5]])

输出：

下标的切片

print(data.iloc[4: 6, 1:])

输出：

布尔型列表（注意长度需要和行数/列数保持一致）

print(data.iloc[[False, True, False, False, True, True], [True, False, False, True, True, True]])

输出：

可以返回合理值的函数

data.iloc[lambda x: x.index > 'Bob']

输出：

解释一下，这里传入lambda匿名函数的x是整个DataFrame，所以x.index就是['Alice', 'Bob', 'Chris', 'David', 'Ellen', 'Frank']，大于Bob即取字典序大于Bob的那些index；这里的函数意义不大，真正有用的是当DataFrame的index是整数的时候你可以通过这种方式选取满足某种要求的index，比如只选那些index为偶数的记录：

data.iloc[lambda x: x.index ％ 2 == 0]

来源：https://blog.csdn.net/weixin_43298886/article/details/112632237