【pandas】loc与iloc函数区别及用法详解

共同点

两者都接收两个参数，第一个参数是行的范围，第二个参数是列的范围

不同点

1. loc函数接收的是行/列的名称，iloc函数接收的是行/列的下标（从0开始）
2. loc函数在切片时是按闭区间切片的，也就是区间两边都能取到，iloc函数则是按传统的左闭右开的方式切片的

图解：

详细用法

用于展示用法的数据data如下：

loc函数参数类型

1. 单个行名/列名 或 行名/列名的列表

   print(data.loc['Chris'])  # 等价于data.loc['Chris', :]
   

   输出：
   
   注意上面这种写法返回的是pandas.core.series.Series对象，如果要pandas.core.frame.DataFrame对象可以改成data.loc[['Chris']]

   print(data.loc[['Alice', 'David', 'Ellen'], ['Physics', 'Chemistry']])
   

   输出：
   

2. 列名/行名的切片

   print(data.loc['Alice': 'Ellen', 'Math': 'English'])
   

   输出：
   

3. 布尔型列表（注意长度需要和行数/列数保持一致）

   print(data.loc[[False, True, False, False, True, True], [True, False, False, True, True, True]])
   

   输出：
   

4. 可以返回布尔型列表的表达式（判断或函数）

   print(data.loc[data['Chinese'] > 100, 'Chinese'])
   

   输出：
   
   同样的，这种写法返回的是pandas.core.series.Series对象，如果要pandas.core.frame.DataFrame对象可以改成data.loc[data['Chinese'] > 100, ['Chinese']]

   print(data.loc[lambda x: x['English'] < 100])
   

   输出：
   

iloc函数参数类型

1. 单个下标 或 若干下标构成的列表

   print(data.iloc[3])   # 等价于print(data.iloc[3, :])
   

   输出：
   
   这种写法返回的是pandas.core.series.Series对象，如果要pandas.core.frame.DataFrame对象可以改成data.iloc[[3]]

   print(data.iloc[[1, 2, 4], [2, 4, 5]])
   

   输出：
   

2. 下标的切片

   print(data.iloc[4: 6, 1:])
   

   输出：
   

3. 布尔型列表（注意长度需要和行数/列数保持一致）

   print(data.iloc[[False, True, False, False, True, True], [True, False, False, True, True, True]])
   

   输出：
   

4. 可以返回合理值的函数

   data.iloc[lambda x: x.index > 'Bob']
   

   输出：
   
   解释一下，这里传入lambda匿名函数的x是整个DataFrame，所以x.index就是['Alice', 'Bob', 'Chris', 'David', 'Ellen', 'Frank']，大于Bob即取字典序大于Bob的那些index；这里的函数意义不大，真正有用的是当DataFrame的index是整数的时候你可以通过这种方式选取满足某种要求的index，比如只选那些index为偶数的记录：

   data.iloc[lambda x: x.index % 2 == 0]