Pandas中iloc[]和loc[]的使用详解与区别对比

在Pandas库中，iloc[]和loc[]是执行数据索引与切片操作的两个核心工具。它们最根本的区别在于索引依据的不同：iloc[]严格基于“整数位置”（从0开始的物理顺序）进行访问，而loc[]则基于“标签”（即行索引名称或列名）进行访问。以下将通过对比分析与具体代码实例，详细阐述两者的用法与差异。

一、核心区别对比

需要明确的是，Pandas中的“列标签”和“行标签”分别对应DataFrame对象的columns属性和index属性。这与机器学习领域中代表目标变量的“样本标签”（label/target variable）概念完全不同，请勿混淆。此外，iloc和loc均支持传入可调用对象（callable），例如可以使用df.loc[lambda df: df['列名']>0]这样的语法进行动态索引。

二、实例演示（构建带有自定义标签的DataFrame）

为了更直观地展示两者的区别，我们首先创建一个行索引为自定义字符串标签的DataFrame。这样做可以避免使用默认的整数索引，从而清晰体现iloc与loc在语义上的不同。

import pandas as pd

data = pd.DataFrame(
    data={'数学': [90, 85, 78], '英语': [88, 92, 75]},
    index=['张三', '李四', '王五']  # 行标签（非默认整数）
)
print("原始DataFrame：")
print(data)

输出结果如下：

数学 英语 张三 90 88 李四 85 92 王五 78 75

1. iloc获取单行与loc获取单列

• iloc（按整数位置）：行位置0对应“张三”，列位置0对应“数学”

  data.iloc[0]  # 取第1行（位置0）
  # 输出：
  # 数学    90
  # 英语    88
  # Name: 张三, dtype: int64
  

• loc（按标签）：直接使用行标签“张三”、列名“数学”

  data.loc['张三']  # 取标签为“张三”的行
  # 输出同iloc[0]
  

2. iloc获取多行与loc获取多列（切片操作）

• iloc（左闭右开）：0:2仅包含位置0、1（对应“张三”“李四”）

  data.iloc[0:2]  # 取位置0到2（不含2）的行
  # 输出：
  #    数学  英语
  # 张三  90  88
  # 李四  85  92

• loc（包含终点）：'张三':'王五'包含所有标签在“张三”到“王五”之间的行

  data.loc['张三':'王五']  # 取标签从“张三”到“王五”的行（含王五）
  # 输出：
  #    数学  英语
  # 张三  90  88
  # 李四  85  92
  # 王五  78  75
  

3. 获取特定行与列的组合（二维索引）

• iloc（行位置+列位置）：行位置1（李四）、列位置1（英语）

  data.iloc[1, 1]  # 取第2行（位置1）、第2列（位置1）的值
  # 输出：92
  

• loc（行标签+列名）：行标签“李四”、列名“英语”

  data.loc['李四', '英语']  # 取“李四”行、“英语”列的值
  # 输出：92
  

4. 布尔索引（基于条件筛选数据）

虽然iloc和loc都支持布尔数组作为索引条件，但在实际应用中loc更为常用，因为它能直接关联到数据的标签，语义更加直观。

# 条件：数学分数>80
mask = data['数学'] > 80

# iloc：先获取满足条件的行位置，再取数
data.iloc[mask.values]  # mask.values是布尔数组，对应行位置
# 输出：
#    数学  英语
# 张三  90  88
# 李四  85  92

# loc：直接用布尔数组取数（更直观）
data.loc[mask]
# 输出同iloc

三、关键注意事项

1. 当DataFrame使用默认的整数行索引（如0、1、2...）时，iloc[0]和loc[0]返回的结果可能看起来完全相同，但它们的底层逻辑截然不同：iloc[0]的含义是“获取物理位置为0的那一行”，而loc[0]的含义是“获取标签值为0的那一行”。
2. 在切片规则上，iloc遵循左闭右开原则（例如0:3仅包含位置0、1、2），而loc的切片则包含终点（例如0:3包含标签0、1、2、3的所有数据）。这是开发者最容易踩坑的地方。
3. 实际场景中：
   • 如果你需要根据“数据的物理顺序”进行提取（例如“获取前5行数据”），应当使用iloc。
   • 如果你需要根据“行或列的命名”进行提取（例如“获取名为‘张三’的学生成绩”），应当使用loc。

测试：请尝试理解以下复杂程序的执行逻辑：

numerical_df.loc[numerical_df['A'] < numerical_df['B'], 'A'] = 100

以上就是关于Pandas中iloc[]和loc[]实现示例的详细介绍。如需了解更多相关Pandas iloc[]和loc[]的内容，欢迎搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持！