共同點(diǎn)

兩者都接收兩個(gè)參數(shù)，第一個(gè)參數(shù)是行的范圍，第二個(gè)參數(shù)是列的范圍

不同點(diǎn)

• loc函數(shù)接收的是行/列的名稱，iloc函數(shù)接收的是行/列的下標(biāo)（從0開(kāi)始）
• loc函數(shù)在切片時(shí)是按閉區(qū)間切片的，也就是區(qū)間兩邊都能取到，iloc函數(shù)則是按傳統(tǒng)的左閉右開(kāi)的方式切片的

圖解：

詳細(xì)用法

用于展示用法的數(shù)據(jù)data如下：

loc函數(shù)參數(shù)類(lèi)型

單個(gè)行名/列名 或 行名/列名的列表

print(data.loc['Chris']) # 等價(jià)于data.loc['Chris', :]

輸出：

注意上面這種寫(xiě)法返回的是pandas.core.series.Series對(duì)象，如果要pandas.core.frame.DataFrame對(duì)象可以改成data.loc[['Chris']]

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

輸出：

列名/行名的切片

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

輸出：

布爾型列表（注意長(zhǎng)度需要和行數(shù)/列數(shù)保持一致）

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

輸出：

可以返回布爾型列表的表達(dá)式（判斷或函數(shù)）

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

輸出：

同樣的，這種寫(xiě)法返回的是pandas.core.series.Series對(duì)象，如果要pandas.core.frame.DataFrame對(duì)象可以改成data.loc[data['Chinese'] > 100, ['Chinese']]

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

輸出：

iloc函數(shù)參數(shù)類(lèi)型

單個(gè)下標(biāo) 或 若干下標(biāo)構(gòu)成的列表

print(data.iloc[3]) # 等價(jià)于print(data.iloc[3, :])

輸出：

這種寫(xiě)法返回的是pandas.core.series.Series對(duì)象，如果要pandas.core.frame.DataFrame對(duì)象可以改成data.iloc[[3]]

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

輸出：

下標(biāo)的切片

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

輸出：

布爾型列表（注意長(zhǎng)度需要和行數(shù)/列數(shù)保持一致）

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

輸出：

可以返回合理值的函數(shù)

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

輸出：

解釋一下，這里傳入lambda匿名函數(shù)的x是整個(gè)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；這里的函數(shù)意義不大，真正有用的是當(dāng)DataFrame的index是整數(shù)的時(shí)候你可以通過(guò)這種方式選取滿足某種要求的index，比如只選那些index為偶數(shù)的記錄：

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

到此這篇關(guān)于pandas loc與iloc用法及區(qū)別的文章就介紹到這了,更多相關(guān)pandas loc iloc內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論