pandas的loc[ ]和iloc[ ]方法解析

pandas 的 df.loc[ ]方法是一个用于选择行和列的函数，它可以帮助你在 pandas 数据帧中定位和选择特定的数据。

df.loc[ ]

df.loc[行标签, 列标签]

使用方法是在数据帧名称后面跟上 .loc[]，然后在方括号内输入行和列的标签，标签可以是整数、字符串或布尔值。

例如：

import pandas as pd

# 创建一个简单的数据帧
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 输出数据帧的第一行
print(df.loc[0])

# 输出数据帧的第一列
print(df.loc[:, 'A'])

# 输出数据帧的第一行和第二列
print(df.loc[0, 'B'])

# 输出数据帧的第二行和第三列
print(df.loc[1, 'C'])

你还可以使用切片来选择多行或多列，例如：

# 输出数据帧的前两行
print(df.loc[:1])

# 输出数据帧的后两列
print(df.loc[:, 'B':])

你还可以使用布尔值索引来选择特定的行或列。

例如：

# 选择数据帧中值大于 5 的行
print(df.loc[df['A'] > 5])

# 选择数据帧中值小于等于 5 的列
print(df.loc[:, df.loc[0] <= 5])

总之，pandas的loc() 方法是一个非常强大的工具，可以帮助我们轻易地筛选行和列的数据。

注意，df.loc[] 只能使用标签索引，不能使用位置索引。如果想使用位置索引，可以使用 df.iloc[] 函数。

df.iloc[ ]

df.iloc[行编号, 列编号]

df.iloc[] 是 pandas 中用于选择行和列的函数。它允许你通过行索引和列索引选择 DataFrame 中的数据。

例如，假设你有一个 DataFrame df，你想选择它的第一行和第二列，你可以使用如下代码：

df.iloc[0, 1]

如果要选取多行多列的数据，可以传入一个列表：

df.iloc[[1, 2], [1, 2]]

你也可以使用切片选择多行和多列，例如：

df.iloc[0:2, 1:3]

这将选择第一行和第二行，以及第二列和第三列。

还有一个重要的注意事项是，df.iloc[] 是基于整数的索引，而不是基于标签的索引。这意味着你必须使用整数来选择行和列，而不是使用实际的行标签或列标签。

---

注意：[0:2]后面的数字是开区间，即[0:2)

---

你还可以像这样选取所有行或列：

df.iloc[:, :]  # 选取所有行和列
df.iloc[:, 1:]  # 选取所有行，从第 2 列开始的所有列
df.iloc[1:, :]  # 选取从第 2 行开始的所有行，以及所有列