官網(wǎng)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(shù): 從dataframe中取 一部分行與列的數(shù)據(jù) (為主)
• 賦值: 給指定的 行與列賦值 df.loc[xx,xx] = xx

輸入?yún)?shù)注意：

方括號內(nèi)的參數(shù):

• loc、iloc 方括號中,參數(shù)的排布模式為[行條件,列條件],當總體條件只有一個時候(最外層方括號內(nèi)無逗號)，會按照：先行后列的方法來匹配對應的條件
• 默認會拋棄掉對應的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，選取的是對應條件下的行 (series)
• 單一元素(不包含list) str/int/slice 選取列時候，選取的是對應條件下的列(series)
• 條件為list時候，選取的是一組對應的 行（列） 條件下的（dataframe數(shù)據(jù)）
• 布爾值的list/可與df對齊的series(布爾類型): 與index長度相同的話 選擇對應值為True的行，與列數(shù)相同的話，選取對應值為True 的列。
• df的index的子集index2: 選取df中對應的index2的行
• 函數(shù)：輸入為行/列series(外層有逗號)或者dataframe(外層無括號) 返回為對應輸入的一個布爾值表，用來篩選對應的數(shù)據(jù)。

不同之處：

• 當對應的行/列標簽為 int類型x時候，iloc表示對應的第x個 index或column，而loc 表示對應的index /column名稱等于這個x。
• 對應的開閉區(qū)間不同 ?df.loc[1:5,1:5] 會有一個最多 5x5的df數(shù)據(jù)子集，而df.iloc[1:5,1:5] 會有最多4x4df數(shù)據(jù)子集，其中iloc的行/列切片不包含最后一個數(shù)（與range函數(shù)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/列條件是對應的標簽值在對應的范圍內(nèi)，[閉合，閉合] 區(qū)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 的行里面的值
# 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 的行 保留dataframe類型
df.loc[[2],:]?
?
#選取對應列名為 2 的列
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，對應的數(shù)字要改成其他類型的數(shù)據(jù)，不能再用數(shù)字
?
# iloc 行/列條件是對應的標簽或者列名的索引值在范圍內(nèi)，[閉合，開放) 區(qū)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開始的，所有行的切片應該寫作 0:5 ?也可以寫作“ ：”
# iloc 數(shù)字類型來做篩選的
?
# 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 匹配的是 index/列名的值 與對應的條件
# iloc 匹配的是 index/列名對應的索引號 與對應的條件