聊聊Python pandas 中loc函数的使用,及跟iloc的区别说明
loc和iloc的意思
首先，loc是location的意思，和iloc中i的意思是指integer，所以它只接受整数作为参数，详情见下面。
loc和iloc的区别及用法展示
1.区别
locworksonlabelsintheindex. ilocworksonthepositionsintheindex(soitonlytakesintegers).
2.用法展示
首先创建一个dataframe：
1）loc为SelectionbyLabel函数，即为按标签取数据，标签是什么，就是上面的'0'~‘4',‘A'~‘B'。
例如第一个参数选择index，第二个参数选择column，如下图：
建议写df.loc[0,:]，这样可以清楚的看出为第0行的所有记录，同样如果取第'A'列的所有记录，可以写df.loc[:,‘A']，如下图：
:表示所有，[]里边为先行后列。
2）iloc函数为SelectionbyPosition，即按位置选择数据，即第n行，第n列数据，只接受整型参数
记住，0:2为左闭右开区间，即取0，1，如下图：
若要取第一列的所有数据，则为df.iloc[:,0]，记住不接受'A'作为参数，如下图：
补充：只需一个例子帮你搞清并记住pythonloc和iloc
帮你区分pythonloc和iloc
最基本的概念loc通常用于行标签和列标签，iloc通常直接用于行序号和列序号，具体举个例子帮助大家理解。
创建一个以abcd为索引，四行三列的Dataframe。
df=pd.DataFrame({'number':[10,20,30,20],
'科目':['语文','数学','英语','化学'],
'名称':['小米','华为','苹果','联想']},index=['a','b','c','d'])
print(df)
结果如图所示：
先来看loc：
print(df.loc['a':'c']) print(df.loc[['a','c']]) print(df.loc[:'c'])
分别输出a行到c行；a行和c行；a行到c行。
如图所示：
还可以设置取出某几行某几列：
print(df.loc[:'c',['number','科目']])
结果如下图所示：取出a到c行的number和科目列。
如下图所示：
loc基本用法就这些。实际上iloc用法和loc差不多，但iloc不是直接取已有索引。而是默认索引就是1，2，3，4~~~
同样的我们用iloc做下上述操作。
print(df.iloc[0:3]) print(df.iloc[[0,2]]) print(df.iloc[:3])
结果同样如上图所示：
用iloc取出a到c行的number和科目列：
print(df.iloc[0:3,[0,1]])
结果如下图所示：
我相信读到这里大家应该就理解了它们的用法。最后再提醒大家一下，loc不管行还是列调用的都是Dataframe自身的行标签和列标签。
而iloc调用的是行[1，2，3，4~]，列[1，2，3，4]。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持毛票票。如有错误或未考虑完全的地方，望不吝赐教。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。