pandas的iloc和loc行列定位

实际操作中我们经常需要寻找数据的某行或者某列，这里介绍我在使用Pandas时用到的两种方法：iloc和loc。

loc：通过行、列的名称或标签来索引。即用名称来确定行 列

iloc：通过行、列的索引位置来寻找数据。 即用行号 列号来确定行列位置。

先看获取特定值的情况：

• DataFrame 取指定列为某些值的行

	sample_list=[2233,1122,1133,1223]
	sample_prod_df = all_prod_df[all_prod_df['product_id'].isin(sample_list)]
	sample_prod_df

• ps:这里返回的数据类型是 Series ，不是单纯的一个数值。直接拿去用会报错，可以加上str() 或者int() 强制转换下
• eg：

  age_list.append(int(basic_info_df.loc[basic_info_df['姓名'] == "张三", "年龄"]))

• loc 选取某列为某值的行

   some_values = [1,2,3,4,5,6]
   df.loc[df[‘column_name’].isin(some_values)]

• 选取等于某些值的行记录 用 ==

  df.loc[df[‘column_name’] == some_value]
  

ps:这里返回的数据类型是 Series ，不是单纯的一个数值。直接拿去用会报错，可以加上str() 或者int() 强制转换下

eg：

age_list.append(int(basic_info_df.loc[basic_info_df['姓名'] == "张三", "年龄"]))

-选取某列是否是某一类型的数值 用 isin

df.loc[df[‘column_name’].isin(some_values)]

• 多种条件的选取 用 &

  df.loc[(df[‘column’] == some_value) & df[‘other_column’].isin(some_values)]
  

• 选取不等于某些值的行记录 用 ！=

  df.loc[df[‘column_name’] != some_value]
  

• isin返回一系列的数值,如果要选择不符合这个条件的数值使用~

  df.loc[~df[‘column_name’].isin(some_values)
  

目录

1.loc方法

（1）读取第二行的值

 （2）读取第二列的值

（3）同时读取某行某列

（4）读取DataFrame的某个区域

（5）根据条件读取

（6）也可以进行切片操作

2.iloc方法

（1）读取第二行的值

 （2）读取第二行的值

（3）同时读取某行某列

（4）进行切片操作

首先，我们先创建一个Dataframe，生成数据，用于下面的演示

1. import pandas as pd

2. import numpy as np

4. # 生成DataFrame

5. data = pd.DataFrame(np.arange(30).reshape((6,5)),

6. columns=['A','B','C','D','E'])

7. # 写入本地

8. data.to_excel("D:\\实验数据\\data.xls", sheet_name="data")

9. print(data)

1.loc方法

loc方法是通过行、列的名称或者标签来寻找我们需要的值。

（1）读取第二行的值

1. # 索引第二行的值，行标签是“1”

2. data1 = data.loc[1]

        结果：

1. 备注：

2. #下面两种语法效果相同

4. data.loc[1] == data.loc[1,:]

 （2）读取第二列的值

1. # 读取第二列全部值

2. data2 = data.loc[ : ,"B"]

        结果：

（3）同时读取某行某列

1. # 读取第1行，第B列对应的值

2. data3 = data.loc[ 1, "B"]

        结果：

（4）读取DataFrame的某个区域

1. # 读取第1行到第3行，第B列到第D列这个区域内的值

2. data4 = data.loc[ 1:3, "B":"D"]

        结果：

（5）根据条件读取

1. # 读取第B列中大于6的值

2. data5 = data.loc[ data.B > 6] #等价于 data5 = data[data.B > 6]

        结果：

（6）也可以进行切片操作

1. # 进行切片操作，选择B，C，D，E四列区域内，B列大于6的值

2. data1 = data.loc[ data.B >6, ["B","C","D","E"]]

结果：

2.iloc方法

iloc方法是通过索引行、列的索引位置[index, columns]来寻找值

（1）读取第二行的值

1. # 读取第二行的值，与loc方法一样

3. data1 = data.iloc[1]

5. # data1 = data.iloc[1, :]，效果与上面相同

        结果：

 （2）读取第二列的值

1. # 读取第二列的值

2. data1 = data.iloc[:, 1]

        结果：

（3）同时读取某行某列

1. # 读取第二行,第二列的值

2. data1 = data.iloc[1, 1]

        结果：

（4）进行切片操作

1. # 按index和columns进行切片操作

2. # 读取第2、3行，第3、4列

3. data1 = data.iloc[1:3, 2:4]

        结果：

注意：

这里的区间是左闭右开，data.iloc[1:3, 2:4]中的第4行、第5列取不到