Pandas iloc和loc有什么区别

在Pandas中，iloc和loc是两个常用的方法，用于按照位置或标签选择DataFrame数据。虽然它们有类似的语法，但它们有一些重要的区别。

iloc方法

iloc是用于按照行和列的位置来选择数据的方法。它接受整数、整数列表和切片对象作为参数。以下是一些例子：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'A': [1, 3, 5], 'B': [4, 6, 8], 'C': [7, 9, 11]})

# 选择第一个行和第二列
print(df.iloc[0, 1])
# 输出4

# 选择第一、二行和第一列
print(df.iloc[:2, 0])
# 输出 0    1
#      1    3
#      Name: A, dtype: int64

# 选择第三列所有行
print(df.iloc[:, 2])
# 输出 0     7
#      1     9
#      2    11
#      Name: C, dtype: int64

loc方法

loc是用于按照行和列的标签来选择数据的方法。它接受标签、标签列表和切片对象作为参数。以下是一些例子：

# 选择标签为0的行和标签为'B'的列
print(df.loc[0, 'B'])
# 输出4

# 选择标签为0和1的行和标签为'A'和'B'的列
print(df.loc[[0, 1], ['A', 'B']])
# 输出   A  B
#      0  1  4
#      1  3  6

# 选择以'C'为标签的所有行
print(df.loc[:, 'C'])
# 输出  0     7
#       1     9
#       2    11
#       Name: C, dtype: int64

iloc和loc的区别

现在我们来看看iloc和loc的具体区别。与iloc不同，loc使用的是标签而不是整数位置来选择数据。由于loc使用标签，它在DataFrame中使用字符串标签时更具可读性和易用性。iloc与此不同，因为它使用的是整数位置，因此我们必须使用数字来选择数据。以下是一个示例，可以更清楚地说明这一区别。

# 创建DataFrame
df2 = pd.DataFrame({'A': [1, 3, 5], 'B': [4, 6, 8], 'C': [7, 9, 11]}, index=['a', 'b', 'c'])

# 使用iloc选择行b和列B
print(df2.iloc[1, 1])
# 输出6

# 使用loc选择行b和列B
print(df2.loc['b', 'B'])
# 输出6

在上面的示例中，当我们使用iloc选择行b和列B时，我们必须考虑DataFrame中的整数位置来选择数据。但使用loc选择相同的行和列时，我们使用的是字符串标签，这使得DataFrame更具可读性和易用性。