目錄

• 官網資料:
• 用 途：
• 輸入參數注意：
• loc與iloc 實際用例:

官網資料:

loc  :https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html
iloc  : https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html

用 途：

• 取數: 從dataframe中取 一部分行與列得數據 (為主)
• 賦值: 給指定得 行與列賦值 df.loc[xx,xx] = xx

輸入參數注意：

方括號內得參數:

• loc、iloc 方括號中,參數得排布模式為[行條件,列條件],當總體條件只有一個時候(最外層方括號內無逗號)，會按照：先行后列得方法來匹配對應得條件
• 默認會拋棄掉對應得dataframe格式，輸出series，如果想保留dataframe格式，需要在條件外邊加 ”[ ]”。

loc與iloc條件（行/列）相同之處：

• 單一元素(不包含list) str/int/slice 選取行時候，選取得是對應條件下得行 (series)
• 單一元素(不包含list) str/int/slice 選取列時候，選取得是對應條件下得列(series)
• 條件為list時候，選取得是一組對應得 行（列） 條件下得（dataframe數據）
• 布爾值得list/可與df對齊得series(布爾類型): 與index長度相同得話 選擇對應值為True得行，與列數相同得話，選取對應值為True 得列。
• df得index得子集index2: 選取df中對應得index2得行
• 函數：輸入為行/列series(外層有逗號)或者dataframe(外層無括號) 返回為對應輸入得一個布爾值表，用來篩選對應得數據。

不同之處：

• 當對應得行/列標簽為 int類型x時候，iloc表示對應得第x個 index或column，而loc 表示對應得index /column名稱等于這個x。
• 對應得開閉區間不同  df.loc[1:5,1:5] 會有一個最多 5x5得df數據子集，而df.iloc[1:5,1:5] 會有最多4x4df數據子集，其中iloc得行/列切片不包含最后一個數（與range函數類似）

loc與iloc 實際用例:

df = pd.DataFrame([[1, 2,3,14], [4, 5,6,17], [7, 8,9,10],[11,12,13,14]],? ? ?index=[2,3,4,5],? ? ?columns=[2,4,5,6])??# loc 行/列條件是對應得標簽值在對應得范圍內，[閉合，閉合] 區間df.loc[2:5,2:5]# ? 輸出為:# ? ?2?? ?4?? ?5#2?? ?1?? ?2?? ?3#3?? ?4?? ?5?? ?6#4?? ?7?? ?8?? ?9#5?? ?11?? ?12?? ?13?# 選取index 為 2 得行里面得值# 不推薦：df.loc[2] 下文省略df.loc[2,:]# 輸出為 ?1,2,3,14 series類型?# 選取index 為 2 得行 保留dataframe類型df.loc[[2],:]??#選取對應列名為 2 得列df.loc[:,2]?# 這里 index 與 列名都是int類型，因此loc方括號中使用int類型，如果是其他類型，對應得數字要改成其他類型得數據，不能再用數字?# iloc 行/列條件是對應得標簽或者列名得索引值在范圍內，[閉合，開放) 區間df.iloc[2:5,2:5]# 輸出為?# ? ?5?? ? 6#4?? ? 9?? ? 10#5?? ? 13?? ? 14?# 這里 索引是以0開始得，所有行得切片應該寫作 0:5 ?也可以寫作“ ：”# iloc 數字類型來做篩選得?# 不管是loc 還是 iloc 都建議用[行條件,列條件] 來寫，其中如果無需篩選可以用:來占位，表意明確。# loc 匹配得是 index/列名得值 與對應得條件# iloc 匹配得是 index/列名對應得索引號 與對應得條件

 到此這篇關于Pandas中df.loc[]與df.iloc[]得用法與異同 得內容就介紹到這了,更多相關Pandas df.loc[]與df.iloc[]內容請搜索之家以前得內容或繼續瀏覽下面得相關內容希望大家以后多多支持之家！