Pandas中关于数据索引iloc()和loc()的用法和区别

Pandas中关于数据索引使用iloc()和loc()的区别

导入train.csv数据

import pandas as pd
Data=pd.read_csv('train.csv'，index_col=0) #index_col=0把第一列作为行索引
print(Data)

使用iloc来索引数据时，不考虑真实数据的索引名，如上数据中的列索引"位置"，"区"等，可以直接使用索引0，1，2，3，4，…来作为第一列/行，第二列/行等的索引。

a=Data.iloc[[1,2,3],[2,3,4]]#索引第2，3，4行和第3，4，5列的数据
print(a,type(a))

输出结果为：

    卧室数量  卫的数量  厅的数量
ID
1      1     0     0
2      2     2     1
3      3     2     2 <class 'pandas.core.frame.DataFrame'>

可以看到当使用[[],[]]这种格式的索引时，得到的数据类型为：
<class ‘pandas.core.frame.DataFrame’>

---

a=Data.iloc[1,[2,3,4]]#索引第2行和第3，4，5列的数据
print(a,type(a))

输出的结果为：

卧室数量    1
卫的数量    0
厅的数量    0
Name: 1, dtype: object <class 'pandas.core.series.Series'>

可以看到当使用[n,[]]这种格式的索引时，得到的数据类型为：
<class ‘pandas.core.series.Series’>

---

a=Data.iloc[1,2]#索引第2行和第3列的数据
print(a,type(a))

输出的结果为：

1 <class 'numpy.int64'>

可以看到当使用[n,m]这种格式的索引时，得到的数据类型为：
<class ‘numpy.int64’>得到的就是一个数

---

使用loc来索引数据时，需要考虑真实数据的索引名，如上数据中的列索引"位置"，"区"等，可以直接使用该索引来对数据索引。其使用效果和iloc一致。
这里只看一个例子：

a=Data.loc[[0,1,2,3],['小区名','位置']]
print(a,type(a))

输出的结果为：

    小区名  位置
ID
0   3072  118.0
1   3152  100.0
2   5575  130.0
3   3103   90.0 <class 'pandas.core.frame.DataFrame'>