Python Pandas 依据标签或者位置选取特定行列 loc和iloc两种方式

Posted 2023-04-08

参考技术A Pandas中有两种方式可以进行特定行列的选取，一种是在知道每一列的名称（label）的情况下（df.loc），一种是在只知道列的位置（integer-location）的情况下(df.iloc)。

可以看出，上述的冒号（:）意味着选取所有的行，所以只需在此处进行改动即可选取特定行（前开后闭）

同样在选取特定行的时候，依然存在基于label或者是基于integer-location的选择

选取行采用df.iloc方式，具体如下

除此之外，在采用非标签的方式选择的时候，可以通过输入布尔型变量进行筛选，比如 df.iloc[[True, False, True]] ，或者是 df.iloc[lambda x: x.index % 2 == 0]

完结撒花，反正知道了df.loc和df.iloc的差别之后自由组合就好了~

参考资料： https://pandas.pydata.org/pandas-docs/stable/reference/frame.html#indexing-iteration

pandas.DataFrame 索引方法区别

有三种索引：ix，iloc，loc；

使用方法都是 __.ix[row, columns]

详细的见 pandas 文档。

 

需要注意的差别是：

　　1，ix方法 混合索引和位置下标（必须是整数），先考虑是否是在标签索引中，然后考虑是位置下标。如果是整数作为index，ix就按照索引标签选取。

　　　  loc方法按照标签，iloc方法按位置下标。

　　2，虽然都支持切片，单个选择也超出范围；

　　　　但是，单个赋值的时候，ix方法可以选择不再索引内的，类似字典的方式新建一个标签行或列。

 

一般情况最好明确使用标签还是位置，即使用loc、iloc。

一方面是意思明确，另一方面是ix选取的时候会复制对象，这会影响效率，如果是赋值给了另外的变量，那么新变量的操作不影响到原来的数据。

　　使用loc,iloc选择的结果是一个视图，赋值给别的变量后，变量的改动会互相影响。

而创建新的变量最好显式使用copy方法。