Python中.iloc与.loc的区别、联系和用法是什么

本文小编为大家详细介绍“python中.iloc与.loc的区别、联系和用法是什么”，内容详细，步骤清晰，细节处理妥当，希望这篇“Python中.iloc与.loc的区别、联系和用法是什么”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

1.联系

(1)操作对象相同：loc和iloc都是对DataFrame类型进行操作；

(2)完成目的相同：二者都是用于选取DataFrame中对应行或列中的元素。

2.区别

loc和iloc索引的行列标签类型不同。

iloc使用顺序数字来索引数据，而不能使用字符型的标签来索引数据；注意：这里的顺序数字是指从0开始计数！

loc使用实际设置的索引来索引数据。但行列名为数字时，loc也可以索引数字，但这里的数字不一定从0开始编号，是对应具体行列名的数字！

3.用法

下面用代码来讲解两者的用法。

3.1行列全为从0开始顺序编号

import pandas as pdimport numpy as np a = np.arange(12).reshape(3,4)#将a转化为DataFrame类型df = pd.DataFrame(a)#展示dfdf

由于未给df的行列命名，默认从0开始编号，所以这个时候使用loc和iloc结果是一样的。

索引为一个数，默认输出行print(df.loc[0])#输出第0行元素print(df.iloc[0])#输出第0行元素

 两者输出结果都为：

0    0
1    1
2    2
3    3
Name: 0, dtype: int32

输出结果为df第0行元素，结果中第一列表示列名，第二列表示具体的值。如果只需要输出某一列，输入df.loc[：，0]表示输出第0列。

如果需要输出第0到2列的数据。

#方式1df.loc[:,0:2]#可把loc理解为遍历字符串类型，0:2则表示标签为0,1,2三列#方式2df.iloc[:,0:3]#iloc遍历的数数字，python中0:3对应0,1,和2

输出结果均为：

3.2有一行或列不是从0顺序编号

#把行标签换成其他数字编号df.index=[2,5,7]df.loc[2]

此时df变为：

 输出结果为：

0    0
1    1
2    2
3    3
Name: 2, dtype: int32

输出结果对应的是列标签为“2”所在的行。

我们继续用df.iloc[2]输出结果：

0     8
1     9
2    10
3    11
Name: 7, dtype: int32

可见输出的是第2行的数据。

在这里我们能大概对loc和iloc的用法有了一定的了解。

3.3行或者列为非数字标签

#把行标签转化为非数字类型df.index=['a','b','c']#输出第a、b行，第0到2列的数据#方式1df.loc[['a','b'],0:2]#可把loc理解为遍历字符串类型，0:2则表示标签为0,1,2三列#方式2df.iloc[0:2,0:3]#iloc遍历的是数字，0:2表示的是0和1,0:3表示0,1,2。

两者输出结果均为：

3.4 其他用法

一般情况下，表的行为从0编号的数字类型，列为具体的字符串类型。行的数字容易确定，列的列名容易确定。

#将行换成0 1 2编号df.index=[0,1,2]#列标签换成A B C Ddf.columns=['A','B','C','D']df.iloc[1]['A']#实现输出第1行第A列的数据

输出结果为4。

如果要输出第1行，第AB列，使用df.iloc[1][['A','B']]，这里一定要注意'A','B'是作为一个列表输入的，右侧一共有两个中括号。

输出结果：

A    4
B    5
Name: 1, dtype: int32

df.iloc[1][['A','B']]等价于df.iloc[1,0:2]，但是很多情况下我们不知道具体列名对应的数字，所以采用第一种方法可以提高编程效率。

读到这里，这篇“Python中.iloc与.loc的区别、联系和用法是什么”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注编程网Python频道。