pandas iloc和loc的区别

这两个方法的主要区别

• loc 通过特定labels获取行或者列
• iloc 通过整数locations获取行或者列

为了演示,假设存在一个非连续整数作为下标的pandas series，名字为s：

>>> s = pd.Series(list("abcdef"), index=[49, 48, 47, 0, 1, 2])
49    a
48    b
47    c
0     d
1     e
2     f

>>> s.loc[0]   # 在label 0处的值
'd'

>>> s.iloc[0]  # 在index 0处的值
'a'

>>> s.loc[0:1]  #  label为[0,1]之间的行(注意,左闭右闭)
0    d
1    e

>>> s.iloc[0:1]  #  index为[0,1)之间的行（左闭右开）
49    a

以下是传递各种对象时s.loc 和s.iloc的相似/相异之处:

<object>	description	s.loc[<object>]	s.iloc[<object>]
0	单个项	label 0处的值(‘d’)	index 0处的值（‘a’）
0:1	切片	两行(label 0 和label 1)	一行(index是0的第一行)
1:47	超出范围的切片	0行	5行(从位置index 1开始)
1:47:-1	带有负步数的切片	三行(label从1到47)	0行
[2,0]	数字列表	给定labels的两行	给定下标的两行(‘c’, ‘a’)
s>‘e’	bool series(指定哪些值有属性)	一行 ‘f’	NotImplementedError
(s>‘e’).values	bool 数组	[‘f’]	NotImplementedError
999	不在inex中的int值	KeyError	IndexError(out of bounds)
-1	不在index中的int值	KeyError	f（返回倒数第一个值）
lambda x: x.index[3]	应用表达式	s.loc[s.index[3]] 结果为d	s.iloc[s.index[3]] 结果为a

loc的标签查询功能远远超过整数索引的范围,下面是额外的示例.
假设我们有以字符串为索引值的pandas Series：

>>> s2 = pd.Series(s.index, index=s.values)
>>> s2
a    49
b    48
c    47
d     0
e     1
f     2

因为loc是基于标签的,所以它可以通过s2.loc[‘a’]来获取第一个Series的值。s2可以通过非整数的方式来进行切片。

>>> s2.loc['c': 'e']
c    47
d     0
e     1

对于日期类型的索引,我们不需要传递精确的日期/时间作为label，例如:

>>> s3 = pd.Series(list('abcde'), pd.date_range('now', periods=5, freq='M'))
>>>> s3
2024-06-30 14:12:58.800479    a
2024-07-31 14:12:58.800479    b
2024-08-31 14:12:58.800479    c
2024-09-30 14:12:58.800479    d
2024-10-31 14:12:58.800479    e

# 获取24年6月到8月的行:
>>> s3.loc['2024-06':'2024-08']
2024-06-30 14:17:26.513842    a
2024-07-31 14:17:26.513842    b
2024-08-31 14:17:26.513842    c

行和列

loc和iloc在处理DataFrame时与处理Series的方式相同。 值得注意的是，这两种方法都可以同时处理列和行。
当给定一个元组时，第一个元素用于索引行，如果存在第二个元素，则用于索引列。
假设有一个DataFrame如下:

>>> import numpy as np
>>> df = pd.DataFrame(np.arange(25).reshape(5, 5),
			                   index=list('abcde'),
			                   columns=['x', 'y', 'z', 8, 9])
>>> df	                   
    x   y   z   8   9
a   0   1   2   3   4
b   5   6   7   8   9
c  10  11  12  13  14
d  15  16  17  18  19
e  20  21  22  23  24

>>> df.loc['c': , :'z']  		# 'c'行及以后的行以及直到z的列
    x   y   z
c  10  11  12
d  15  16  17
e  20  21  22

>>> df.iloc[:, 3]        # 所有行, column index为3的列
a     3
b     8
c    13
d    18
e    23

有时我们想要混合使用标签和位置索引方法来处理行和列，以某种方式结合 loc 和 iloc 的功能。

例如，考虑以下 DataFrame。如何最好地切片行直到（包括）‘c’ 并取前四列？

>>> df.iloc[:df.index.get_loc('c')+1, :4]
     x   y   z   8
a   0   1   2   3
b   5   6   7   8
c  10  11  12  13

我是感觉csdn上讲loc和iloc区别的文章不是多好,有条件的同学可以直接访问
https://stackoverflow.com/questions/31593201/how-are-iloc-and-loc-different

笔芯哈哈哈！