python pandas 中 loc & iloc 用法区别

转自：https://blog.csdn.net/qq_21840201/article/details/80725433

### 随机生DataFrame 类型数据
import pandas as pd
import numpy as np
frame = pd.DataFrame(np.random.rand(4,4),index=list('abcd'),columns=list('ABCD'))
frame
  A B C D
a 0.560094 0.352686 0.954100 0.926277
b 0.563728 0.335517 0.232902 0.973932
c 0.482155 0.976618 0.565462 0.445108
d 0.477146 0.933353 0.291764 0.986668
1、loc     基于行标签和列标签（x_label、y_label）进行索引

### .loc先行后列，中间用逗号（,）分割，例如取 a 和 A 对应的数据
frame.loc['a','A']
0.56009394013943303
### 取前两行对应数据
frame.loc['a':'b',:]
  A B C D
a 0.560094 0.352686 0.954100 0.926277
b 0.563728 0.335517 0.232902 0.973932
### 取前两列对应数据
frame.loc[:,'A':'B']
  A B
a 0.560094 0.352686
b 0.563728 0.335517
c 0.482155 0.976618
d 0.477146 0.933353
### 取前两行和前两列对应数据
frame.loc['a':'b','A':'B']
  A B
a 0.560094 0.352686
b 0.563728 0.335517
### 上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.loc[['a','d'],['A','D']]
上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.loc[['a','d'],['A','D']]
  A D
a 0.560094 0.926277
d 0.477146 0.986668
2、 iloc   基于行索引和列索引（index，columns） 都是从 0 开始

如果数据的行标签和列标签名字太长或不容易记，则用 iloc 很方便，只需记标签对应的索引即可

### .loc先行后列，中间用逗号（,）分割，例如取 a 和 A 对应的数据
frame.iloc[0,0]
0.56009394013943303
### 取前两行对应数据
frame.iloc[0:2,:]
  A B C D
a 0.560094 0.352686 0.954100 0.926277
b 0.563728 0.335517 0.232902 0.973932
### 取前两列对应数据
frame.iloc[:,0:2]
A B
a 0.560094 0.352686
b 0.563728 0.335517
c 0.482155 0.976618
d 0.477146 0.933353
### 取前两行和前两列对应数据
frame.iloc[0:2,0:2]
  A B
a 0.560094 0.352686
b 0.563728 0.335517
### 上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.iloc[[0,3],[0,3]]
上面的例子取的都是连续的行和列，若取第一行和第四行、第一列和第四列对应的数据，则
frame.iloc[[0,3],[0,3]]
  A D
a 0.560094 0.926277
d 0.477146 0.986668
3、 ix  基于标签或者索引（loc和iloc 的混合）

### 取前两行和前两列对应数据
frame.iloc[0:2,0:2]
  A B
a 0.560094 0.352686
b 0.563728 0.335517
### 取前两行和前两列对应数据
frame.ix['a':'b','A':'B']
  A B
a 0.560094 0.352686
b 0.563728 0.335517
官方文档新的python版本已经弃用 ix，建议使用 loc 和 iloc

.ix is deprecated. Please use
.loc for label based indexing or

---------------------
作者：求知者_123
来源：CSDN
原文：https://blog.csdn.net/qq_21840201/article/details/80725433
版权声明：本文为博主原创文章，转载请附上博文链接！