python pandas 中 loc & iloc 用法區別

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

### 隨機生DataFrame 類型數據
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
一、loc     基於行標籤和列標籤（x_label、y_label）進行索引

### .loc先行後列，中間用逗號（,）分割，例如取 a 和 A 對應的數據
frame.loc['a','A']
0.56009394013943303
### 取前兩行對應數據
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
### 取前兩列對應數據
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
### 取前兩行和前兩列對應數據
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連續的行和列，若取第一行和第四行、第一列和第四列對應的數據，則
frame.loc[['a','d'],['A','D']]
上面的例子取的都是連續的行和列，若取第一行和第四行、第一列和第四列對應的數據，則
frame.loc[['a','d'],['A','D']]
  A D
a 0.560094 0.926277
d 0.477146 0.986668
二、 iloc   基於行索引和列索引（index，columns） 都是從 0 開始

若是數據的行標籤和列標籤名字太長或不容易記，則用 iloc 很方便，只需記標籤對應的索引便可

### .loc先行後列，中間用逗號（,）分割，例如取 a 和 A 對應的數據
frame.iloc[0,0]
0.56009394013943303
### 取前兩行對應數據
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
### 取前兩列對應數據
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
### 取前兩行和前兩列對應數據
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連續的行和列，若取第一行和第四行、第一列和第四列對應的數據，則
frame.iloc[[0,3],[0,3]]
上面的例子取的都是連續的行和列，若取第一行和第四行、第一列和第四列對應的數據，則
frame.iloc[[0,3],[0,3]]
  A D
a 0.560094 0.926277
d 0.477146 0.986668
三、 ix  基於標籤或者索引（loc和iloc 的混合）

### 取前兩行和前兩列對應數據
frame.iloc[0:2,0:2]
  A B
a 0.560094 0.352686
b 0.563728 0.335517
### 取前兩行和前兩列對應數據
frame.ix['a':'b','A':'B']
  A B
a 0.560094 0.352686
b 0.563728 0.335517
官方文檔新的python版本已經棄用 ix，建議使用 loc 和 iloc

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

---------------------
做者：求知者_123
來源：CSDN
原文：https://blog.csdn.net/qq_21840201/article/details/80725433
版權聲明：本文爲博主原創文章，轉載請附上博文連接！