iloc[]和loc[]是Pandas中用于數(shù)據(jù)索引/切片的核心方法，核心區(qū)別在于索引依據(jù)不同：iloc基于“整數(shù)位置”，loc基于“標簽（行索引名/列名）”。以下分點對比并結合實例說明：

一、區(qū)別對比

注：Pandas 的 “列標簽” 和 “行標簽” 分別對應 DataFrame.columns 和 DataFrame.index。而機器學習中的 “樣本標簽”是指樣本的目標值（label / 目標變量），二者不同。
注：iloc和loc都支持可調(diào)用對象（callable）（比如df.loc[lambda df: df[‘列名’]>0]）

二、實例演示（構造帶自定義標簽的DataFrame）

先創(chuàng)建一個行索引為自定義標簽的DataFrame（避免默認整數(shù)索引，更易體現(xiàn)區(qū)別）：

import pandas as pd

data = pd.DataFrame(
    data={'數(shù)學': [90, 85, 78], '英語': [88, 92, 75]},
    index=['張三', '李四', '王五']  # 行標簽（非默認整數(shù)）
)
print("原始DataFrame：")
print(data)

輸出：

    數(shù)學  英語
張三  90  88
李四  85  92
王五  78  75

1. iloc取單行/loc取單列

• iloc（按整數(shù)位置）：行位置0對應“張三”，列位置0對應“數(shù)學”

  data.iloc[0]  # 取第1行（位置0）
  # 輸出：
  # 數(shù)學    90
  # 英語    88
  # Name: 張三, dtype: int64
  

• loc（按標簽）：直接用行標簽“張三”、列名“數(shù)學”

  data.loc['張三']  # 取標簽為“張三”的行
  # 輸出同iloc[0]
  

2. iloc取多行/loc取多列（切片）

• iloc（左閉右開）：0:2僅包含位置0、1（對應“張三”“李四”）

  data.iloc[0:2]  # 取位置0到2（不含2）的行
  # 輸出：
  #    數(shù)學  英語
  # 張三  90  88
  # 李四  85  92

• loc（包含終點）：'張三':'王五'包含所有標簽在“張三”到“王五”之間的行

  data.loc['張三':'王五']  # 取標簽從“張三”到“王五”的行（含王五）
  # 輸出：
  #    數(shù)學  英語
  # 張三  90  88
  # 李四  85  92
  # 王五  78  75
  

3. 取特定行+列（二維索引）

• iloc（行位置+列位置）：行位置1（李四）、列位置1（英語）

  data.iloc[1, 1]  # 取第2行（位置1）、第2列（位置1）的值
  # 輸出：92
  

• loc（行標簽+列名）：行標簽“李四”、列名“英語”

  data.loc['李四', '英語']  # 取“李四”行、“英語”列的值
  # 輸出：92
  

4. 布爾索引（按條件取數(shù)）

兩者都支持布爾數(shù)組，但loc更常用（直接關聯(lián)標簽）：

# 條件：數(shù)學分數(shù)>80
mask = data['數(shù)學'] > 80

# iloc：先獲取滿足條件的行位置，再取數(shù)
data.iloc[mask.values]  # mask.values是布爾數(shù)組，對應行位置
# 輸出：
#    數(shù)學  英語
# 張三  90  88
# 李四  85  92

# loc：直接用布爾數(shù)組取數(shù)（更直觀）
data.loc[mask]
# 輸出同iloc

三、注意點

1. 若DataFrame用默認整數(shù)行索引（如0、1、2），iloc[0]和loc[0]結果可能相同，但邏輯本質(zhì)不同：iloc[0]是“取位置0”，loc[0]是“取標簽為0的行”；
2. iloc的切片不包含終點（如0:3取0、1、2），loc的切片包含終點（如0:3取標簽0、1、2、3），這是最易踩坑的差異；
3. 實際場景中：
   • 若需要按“數(shù)據(jù)的物理順序”取數(shù)（如“前5行”），用iloc；
   • 若需要按“行/列的命名”取數(shù)（如“取‘張三’的成績”），用loc。

測試：看你是否能讀懂這句程序：

numerical_df.loc[numerical_df['A'] < numerical_df['B'], 'A'] = 100

到此這篇關于Pandas中iloc[]和loc[]的實現(xiàn)示例的文章就介紹到這了,更多相關Pandas iloc[]和loc[]內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論