pandas中loc、iloc与ix索引方法的区别详解

星野

发布时间：2026-10-13 | 2人浏览过

原创

本文详细解析pandas中loc、iloc和ix三种索引方法的区别。loc基于标签索引，包含切片末端；iloc基于整数位置索引，不包含切片末端；ix为混合模式。文章通过代码示例展示单行、多行及切片的具体应用，并指出ix在较新版本中已被弃用，建议优先使用loc和iloc以确保代码兼容性。

初学Python的numpy和pandas时，索引与切片机制常令人困惑，尤其是numpy中的切片、布尔索引及花式索引，情况较为复杂。随着Python版本从2.7升级至3.6，pandas引入了loc和iloc两种明确的索引方式，并逐步淘汰了ix方法。因此，有必要对这三种索引方法进行总结与对比，以理清其各自的使用场景。

loc——基于行标签索引行数据
iloc——基于行号索引行数据
ix——基于行标签或行号索引行数据（结合loc与iloc的混合模式）

列数据的索引逻辑与行数据相同，同样适用上述三种方法。

以下通过具体示例进行说明：

1、分别使用loc、iloc、ix索引第一行的数据：

（1）使用loc

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框

#print df.loc['a']
'''
c  1
d  2
e  3
'''

print df.loc[0]
#这个就会出现错误
'''
TypeError: cannot do label indexing on <class 'pandas.indexes.base.Index'> 
with these indexers [1] of <type 'int'>
'''

(2) 使用iloc

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框

print df.iloc[0]
'''
c  1
d  2
e  3
'''
print df.iloc['a']
'''
TypeError: cannot do positional indexing on <class 'pandas.indexes.base.Index'> 
with these indexers [a] of <type 'str'>
'''

(3) 使用ix

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框

print df.ix[0]
'''
c  1
d  2
e  3
'''
print df.ix['a']
'''
c  1
d  2
e  3
'''

2、分别使用loc、iloc、ix索引第一列的数据：

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框

print df.loc[:,['c']]

print df.iloc[:,[0]]

print df.ix[:,['c']]

print df.ix[:,[0]]
#结果都为
'''
  c
a 1
b 4
'''

3、分别使用loc、iloc、ix索引多行的数据：

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框

print df.loc['a':'b']

print df.iloc[0:1]

print df.ix['a':'b']

print df.ix[0:1]
#结果都为
'''
  c d e
a 1 2 3
b 4 5 6
'''

4、分别使用loc、iloc、ix索引多列的数据：

import pandas as pd
data=[[1,2,3],[4,5,6]]
index=['a','b']#行号
columns=['c','d','e']#列号
df=pd.DataFrame(data,index=index,columns=columns)#生成一个数据框

print df.loc[:,'c':'d']

print df.iloc[:,0:2]

print df.ix[:,'c':'d']

print df.ix[:,0:2]
#结果都为
'''
  c d
a 1 2
b 4 5
'''

5、loc、iloc、ix在切片使用上的区别

loc、iloc和ix在处理切片索引时主要涉及两种情况：按标签切片和按位置编号切片。

In [20]: df.loc['ind0':'ind3']
Out[20]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14
ind3  15  16  17  18  19

In [21]: df.iloc[0:3]
Out[21]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14

核心区别不在于方法本身，而在于切片末端是否包含：通过标签索引时，切片末端会被包含；通过位置编号索引时，切片末端不被包含。例如，选取第1行至第4行数据，loc会提取第1、2、3、4行，而iloc仅提取第1、2、3行。ix方法的行为逻辑与二者类似，具体表现取决于传入参数的类型。

In [23]: df.ix['ind0':'ind3']
Out[23]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14
ind3  15  16  17  18  19

In [24]: df.ix[0:3]
Out[24]: 
   col0 col1 col2 col3 col4
ind0   0   1   2   3   4
ind1   5   6   7   8   9
ind2  10  11  12  13  14

列的切片规则与行切片完全一致。

本文讨论了基本的索引和切片操作，若存在用词不当之处，欢迎指正。此外，关于花式索引、布尔索引等相关问题，也欢迎共同探讨。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。