loc（）和 iclo（）方法区别

大家好，欢迎来到IT知识分享网。

解释

iloc 和 loc 方法都用于按照行标签或列标签来进行索引操作，但它们有一些关键的区别。

1. iloc 方法：data.iloc[“行”:“列”]
   • iloc 是基于索引位置进行索引的，即它使用整数位置来选择数据。
   • 它接受整数、整数列表、整数切片、布尔数组等作为输入。
   • 当使用整数作为参数时，iloc 将按照整数位置来进行选择。这意味着它不考虑行或列的标签，而只考虑它们在 DataFrame 中的位置。
   • 例如，data.iloc[0] 将选择第一行，data.iloc[:, 0] 将选择第一列，data.iloc[1:3, :] 将选择第二行到第三行的数据等。
2. loc 方法：data.loc[“行”:“列”]
   • loc 是基于标签进行索引的，即它使用行标签或列标签来选择数据。
   • 它接受标签、标签列表、标签切片、布尔数组等作为输入。
   • 当使用标签作为参数时，loc 将按照标签来进行选择。这意味着它根据行或列的标签来选择数据。
   • 例如，data.loc[0] 将选择标签为 0 的行，data.loc[:, 'column_name'] 将选择名为 ‘column_name’ 的列，data.loc[1:3, :] 将选择标签为 1 到 3 的行等。

下面是一个更具体的示例，以说明 iloc 和 loc 方法的区别：

示例一

假设我们有以下 DataFrame：

 A B C 0 1 4 7 1 2 5 8 2 3 6 9 

使用 iloc 和 loc 方法来选择数据：

# 使用 iloc 方法选择第一行 print(df.iloc[0]) # 输出： # A 1 # B 4 # C 7 # Name: 0, dtype: int64 # 使用 loc 方法选择标签为 0 的行 print(df.loc[0]) # 输出： # A 1 # B 4 # C 7 # Name: 0, dtype: int64 # 使用 iloc 方法选择第一列 print(df.iloc[:, 0]) # 输出： # 0 1 # 1 2 # 2 3 # Name: A, dtype: int64 # 使用 loc 方法选择列标签为 'A' 的列 print(df.loc[:, 'A']) # 输出： # 0 1 # 1 2 # 2 3 # Name: A, dtype: int64 

在这个示例中，iloc 和 loc 方法都返回了相同的结果，因为 DataFrame 的索引标签与整数位置相对应。然而，在实际情况下，当索引标签不是整数时，它们的行为可能会有所不同。

示例二

（1）使用read_csv函数读取某地区房屋销售数据.csv 文件。

import pandas as pd data = pd.read_csv('某地区房屋销售数据.csv',encoding='gbk') data 

（2）使用iloc()方法、1oc()方法对房屋类型为单身公寓的数据进行索引操作。

• 下面是使用 loc 方法对房屋类型为单身公寓的数据进行索引操作的示例：

unit_data = data.loc[data['房屋类型'] == 'unit'] print(unit_data) 

这里我们使用 loc 方法，然后传入一个条件，即 data['房屋类型'] == 'unit'，这将返回一个布尔 Series，表示是否满足条件。然后，我们将这个条件传递给 loc 方法，它将根据条件选择满足条件的行，并返回一个新的 DataFrame，其中包含了满足条件的所有数据。

• 如果使用 iloc 方法，您可以通过以下方式实现：

unit_data = data.iloc[(data['房屋类型'] == 'unit').values] print(unit_data) 

在这种情况下，我们首先使用 (data['房屋类型'] == 'unit').values 来获取一个布尔数组，然后将其传递给 iloc 方法，以按照布尔数组中的索引来选择行。请注意，这种方法只适用于数据没有被重新索引的情况下。