Python Pandas中loc与iloc索引函数的核心区别解析

前言

在使用Pandas进行数据分析时，对DataFrame的行或列进行高效索引是常见需求。目前主要的索引方式包括直接使用行列标签、利用loc函数以及使用iloc函数三种方法。

为了便于理解，先构建一个基础示例：

import numpy as np
import pandas as pd
df = pd.DataFrame({"Fruits":["apple","pear","banana","watermelon"],"Price":[1.2,1.4,2.3,4.2],"Sales":[11,45,25,16]})
df

生成的DataFrame数据结构如下：

1、直接使用行列标签索引

若需选取df中名为Fruits和Price的两列，可执行以下操作：

df[['Fruits','Price']]

若需选取df中第2至第3行（基于标签切片），可执行以下操作：

df[2:4]

2、loc函数详解

loc函数依据行标签和列标签进行索引，其标准语法格式为：

DataFrame.loc[行标签,列标签]

若需选取df中第2、3行以及Price和Sales列的数据，可执行以下操作：

df[2:3,'Price':'Sales']

若需选取所有行中Fruits和Sales列的数据，可执行以下操作：

df.loc[:,['Fruits','Sales']]

3、iloc函数详解

iloc函数依据行和列的整数位置进行索引，索引值从0开始计数。需要注意的是，其切片操作遵循左闭右开原则，即结果不包含结束位置的值。其标准语法格式为：

DataFrame.iloc[行位置,列位置]

若需选取df中第2、3行以及第1、2列的数据，可执行以下操作：

df.iloc[2:4,1:3]

若需选取所有行中第0列和第2列的数据，可执行以下操作：

df.iloc[:,[0,2]]

总结

以上就是关于Python Pandas中loc与iloc索引函数区别的详细解析，更多相关Pandas索引函数loc和iloc的内容请搜索本站以前的文章或继续浏览下面的相关文章，希望大家以后多多支持本站！