‘loc‘ 和 ‘iloc‘的区别和用法

loc (基于标签的索引)

特点

1. 标签索引：loc 使用行索引和列标签来访问数据。可以通过行的标签（例如字符串、日期、或自定义的索引）以及列的名称来选择数据。
2. 包含结束点：在使用切片操作符（:）时，loc 包括切片的结束点。例如，df.loc[1:3] 将返回索引为 1、2、3 的行，而不仅仅是 1 和 2。
3. 支持布尔索引：可以通过布尔条件直接筛选出满足条件的数据。

语法与例子

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)

# 通过标签选择单个元素
print(df.loc[0, 'Name'])  # 输出 'Alice'

# 通过标签选择整列
print(df.loc[:, 'Age'])  # 输出整个 'Age' 列

# 通过标签选择多列
print(df.loc[:, ['Name', 'City']])  # 输出 'Name' 和 'City' 两列

# 通过标签选择多行
print(df.loc[1:2, :])  # 输出索引为 1 和 2 的行（包括结束点）

# 布尔索引
print(df.loc[df['Age'] > 25, 'Name'])  # 输出 'Bob' 和 'Charlie'

iloc (基于整数位置的索引)

特点

1. 整数位置索引：iloc 使用行索引和列索引的整数位置来访问数据。行和列的索引是从 0 开始的整数。
2. 不包含结束点：在使用切片操作符（:）时，iloc 不包括切片的结束点。例如，df.iloc[1:3] 只返回索引为 1 和 2 的行，而不包括 3。
3. 支持混合切片：你可以通过整数位置选择特定的行或列范围。

语法与例子

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Age': [25, 30, 35],
        'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)

# 通过整数位置选择单个元素
print(df.iloc[0, 0])  # 输出 'Alice'

# 通过整数位置选择整列
print(df.iloc[:, 1])  # 输出整个 'Age' 列

# 通过整数位置选择多列
print(df.iloc[:, [0, 2]])  # 输出 'Name' 和 'City' 两列

# 通过整数位置选择多行
print(df.iloc[1:3, :])  # 输出索引为 1 和 2 的行（不包括结束点）

总结

• loc：基于标签的索引，用于按行和列的标签（如字符串、日期等）选择数据。切片时包含结束点。这种方式适合通过标签名称来选择特定的行和列，尤其当你知道数据的确切标签时。

• iloc：基于整数位置的索引，用于按行和列的整数位置选择数据。切片时不包含结束点。iloc 适合用于按顺序选择数据，尤其在需要通过位置索引（而不是标签）来定位数据时。