Pandas中的`loc`和`iloc`：高效的数据选择与操作

Pandas是Python中最流行的用于数据分析的库之一，它提供了灵活且强大的数据结构，如DataFrame和Series，以及许多方便的功能来处理数据。本文将详细介绍Pandas库中的两种常用数据选择方法——loc和iloc。这两种方法都允许用户通过多种方式访问和操作数据，但它们的工作原理略有不同。我们将探讨如何使用它们进行数据定位、更新、删除以及条件查询等操作。

引言

在Pandas中，loc和iloc是两个非常重要的方法，它们允许我们以各种不同的方式选择DataFrame中的数据。了解这两种方法的区别和用法对于高效地使用Pandas进行数据分析至关重要。

loc方法

loc是一种基于标签的数据选择方法。这意味着它允许我们通过行和列的标签来访问DataFrame中的数据。loc可以接受整数索引标签或者布尔数组作为输入，但它总是返回带有相应标签的数据。

数据定位

选择单个元素

假设我们有一个DataFrame，如下所示：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)

print(df)

输出结果：

     Name  Age         City
0   Alice   25     New York
1     Bob   30  Los Angeles
2  Charlie   35      Chicago

要选择“Bob”的年龄，我们可以使用loc方法：

age_of_bob = df.loc[1, 'Age']
print(age_of_bob)

输出结果：

30

选择多行或多列

如果我们要选择多行或多列，可以传递一个列表给loc方法：

subset = df.loc[[0, 2], ['Name', 'City']]
print(subset)

输出结果：

     Name         City
0   Alice     New York
2  Charlie      Chicago

更新数据

使用loc更新DataFrame中的数据也非常直观：

df.loc[1, 'Age'] = 31
print(df)

输出结果：

     Name  Age         City
0   Alice   25     New York
1     Bob   31  Los Angeles
2  Charlie   35      Chicago

删除数据

要删除特定行或列，可以使用drop方法结合loc来指定要删除的行或列：

df = df.drop(labels=1, axis=0)  # 删除第1行
print(df)

输出结果：

     Name  Age         City
0   Alice   25     New York
2  Charlie   35      Chicago

条件查询

loc还支持基于条件的选择，这对于过滤数据非常有用：

adults = df.loc[df['Age'] > 30]
print(adults)

输出结果：

     Name  Age         City
2  Charlie   35      Chicago

iloc方法

与loc不同，iloc是一种基于位置的数据选择方法。它使用整数索引来选择数据。因此，iloc总是按照位置来选择数据，无论行或列的标签是什么。

数据定位

与loc相似，我们可以通过iloc来选择单个元素或多行或多列：

age_of_first_row = df.iloc[0, 1]
print(age_of_first_row)

输出结果：

25

subset = df.iloc[[0, 1], [0, 2]]
print(subset)

输出结果：

     Name         City
0   Alice     New York
2  Charlie      Chicago

更新数据

使用iloc更新数据同样简单：

df.iloc[1, 1] = 36
print(df)

输出结果：

     Name  Age         City
0   Alice   25     New York
2  Charlie   36      Chicago

删除数据

与loc一样，我们可以使用drop方法结合iloc来删除特定位置的行或列：

df = df.drop(index=1, axis=0)  # 删除第1行
print(df)

输出结果：

     Name  Age         City
0   Alice   25     New York

条件查询

虽然iloc本身不支持条件查询，但我们可以通过先创建一个布尔索引来实现类似功能：

mask = df['Age'] > 30
adults = df.iloc[mask.values]
print(adults)

输出结果：

     Name  Age         City
2  Charlie   36      Chicago

总结

本文介绍了Pandas库中两种常用的数据选择方法——loc和iloc。通过这两个方法，我们可以轻松地定位、更新、删除和查询DataFrame中的数据。理解它们之间的区别以及如何使用它们，将极大地提高我们在数据分析任务中的效率。

无论是初学者还是有经验的用户，掌握这些技巧都是非常有价值的。希望本文能帮助您更好地利用Pandas的强大功能。