python关于loc和iloc区别和使用详细介绍

最后的BUG点一定要看，欢迎评论补充。

相同点：

loc和iloc均可剪切行和剪切列

区别：

loc：通过名称（表头名，行号名）进行剪切

iloc：通过默认的索引号进行剪切

数据：

data = pd.DataFrame([[1,4, 7],[2, 5, 7],[3, 6, 9]],columns=['A',77,88,],index = [33,11,22]) print(data ) 

    A  77  88
33  1   4   7
11  2   5   7
22  3   6   9

列的剪切：

格式：loc为例 loc（行名，列名）

#loc
print(data.loc[:,['A',88]])#：表示所有的行，所以剪切出满足要求的所有的行和列名为A和88的数据
结果：
    A  88
33  1   7
11  2   7
22  3   9

#iloc
print(data.iloc[:,[0,2]])
结果：
    A  88
33  1   7
11  2   7
22  3   9

补充：此操作结果与直接使用 data[['A',88]]结果一样

行的剪切：

#loc
print(data.loc[[22]])
结果：
    A  77  88
22  3   6   9

print(data.iloc[[0]])
结果：
    A  77  88
33  1   4   7

注意：这里的中括号时两个。

川叶提醒：

BUG点：

1. 使用默认的列名，机器学习在进行均值填充处理后会重新默认排序。例如，你有十维特征（使用默认表头0，1，2，3....7，8，9），第八维特征因为缺失值过多将第八维特征删去。现在表头为（1，2....，7，9）进行均值填充后会重新进行排序变成0，1，2，3....7，8.。随意不要因为麻烦不给特征命名。

2.关于列重新命名如下

Xtrain.columns = [i for i in range(0,columnNumber)]

前车之鉴,后车之师。

希望可以让大家在以后的路上少走弯路。祝大家科研道路、工作道路顺利。